unicode - tabla - utf-8 latin characters

¿Son todos los caracteres Kanji en UTF-8 3 bytes de largo?

Question

¿Alguien puede confirmar que todos los caracteres Kanji en chino tienen una longitud de 3 bytes en UTF-8?

Answer 1

Los caracteres Hanzi / Kanji que se utilizan comúnmente se encuentran en el bloque de "Ideógrafos Unificados CJK" entre U + 4E00 y U + 9FFF, y toman 3 bytes en UTF-8. (Los caracteres japoneses Hiragana y Katakana también toman 3 bytes.)

Sin embargo, también hay algunos caracteres raramente utilizados en los bloques "CJK Unified Ideographs Extension B" y "CJK Compatibility Ideographs Supplement", que toman 4 bytes en UTF-8.

También tenga en cuenta que el texto chino a menudo contiene caracteres ASCII como los dígitos 0-9.

Answer 2

Sí, Kanji es U + 4e00 a U + 9faf, UTF8 3 bytes son U + 0800 a U + FFFF.