ED A0 80 ED B0 80 是有效的 UTF-8 字节序列吗？

java.nio.charset.Charset.forName("utf8").decode http://docs.oracle.com/javase/7/docs/api/java/nio/charset/Charset.html#decode%28java.nio.ByteBuffer%29解码字节序列

 ED A0 80 ED B0 80

进入 Unicode 代码点：

 U+10000

java.nio.charset.Charset.forName("utf8").decode http://docs.oracle.com/javase/7/docs/api/java/nio/charset/Charset.html#decode%28java.nio.ByteBuffer%29还解码字节序列

 F0 90 80 80

进入 Unicode 代码点：

 U+10000

这一点已得到验证下面的代码 https://stackoverflow.com/q/8843742/632951/#snippet1.

现在这似乎告诉我UTF-8编码方案将解码ED A0 80 ED B0 80 and F0 90 80 80到相同的 unicode 代码点。

但是，如果我访问https://www.google.com/search?query=%ED%A0%80%ED%B0%80 https://www.google.com/search?query=%ED%A0%80%ED%B0%80,

可以看到和页面明显不一样https://www.google.com/search?query=%F0%90%80%80 https://www.google.com/search?query=%F0%90%80%80

由于 Google 搜索也使用 UTF-8 编码方案（如果我错了，请纠正我），

这表明 UTF-8 无法解码ED A0 80 ED B0 80 and F0 90 80 80到相同的 unicode 代码点。

所以基本上我想知道official标准，应该UTF-8解码ED A0 80 ED B0 80字节序列转换为 Unicode 代码点 U+10000 ？

Code:

public class Test {

    public static void main(String args[]) {
        java.nio.ByteBuffer bb = java.nio.ByteBuffer.wrap(new byte[] { (byte) 0xED, (byte) 0xA0, (byte) 0x80, (byte) 0xED, (byte) 0xB0, (byte) 0x80 });
        java.nio.CharBuffer cb = java.nio.charset.Charset.forName("utf8").decode(bb);
        for (int x = 0, xx = cb.limit(); x < xx; ++x) {
            System.out.println(Integer.toHexString(cb.get(x)));
        }
        System.out.println();
        bb = java.nio.ByteBuffer.wrap(new byte[] { (byte) 0xF0, (byte) 0x90, (byte) 0x80, (byte) 0x80 });
        cb = java.nio.charset.Charset.forName("utf8").decode(bb);
        for (int x = 0, xx = cb.limit(); x < xx; ++x) {
            System.out.println(Integer.toHexString(cb.get(x)));
        }
    }
}

ED A0 80 ED B0 80是 UTF-16 代理对的 UTF-8 编码D800 DC00。这是NOT允许进入UTF-8 http://www.ietf.org/rfc/rfc2279.txt:

然而，D800 和 DFFF 之间的 UCS-2 值对（代理对 用 Unicode 术语来说）...需要特殊处理：UTF-16 必须撤消转变，产生一个 UCS-4 字符，然后 改造如上。

然而，这样的编码is用于CESU-8 http://www.unicode.org/reports/tr26/以及Java的“修改后的UTF-8”。

由于 Google 搜索也使用 UTF-8 编码方案（如果我错了，请纠正我），

根据搜索框，谷歌似乎正在使用某种编码自动检测。如果你通过了F0 90 80 80，这是有效的 UTF-8，它将其解释为 UTF-8 (????）。如果你通过了ED A0 80 ED B0 80，这是无效的 UTF-8，它将其解释为windows-1252 http://en.wikipedia.org/wiki/Windows-1252 (í�€í°€).