首先引用网络一段说明
UTF-8是一种变长字节编码方式。对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。UTF-8最多可用到6个字节。
如表：
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
因此UTF-8中可以用来表示字符编码的实际位数最多有31位，即上表中x所表示的位。除去那些控制位（每字节开头的10等），这些x表示的位与UNICODE编码是一一对应的，位高低顺序也相同。
实际将UNICODE转换为UTF-8编码时应先去除高位0，然后根据所剩编码的位数决定所需最小的UTF-8编码位数。
因此那些基本ASCII字符集中的字符（UNICODE兼容ASCII）只需要一个字节的UTF-8编码（7个二进制位）便可以表示。
对于上面的问题，代码中给出的两个字节是
十六进制：C0 B1
二进制：11000000 10110001
对比两个字节编码的表示方式：
110xxxxx 10xxxxxx
提取出对应的UNICODE编码：
00000 110001
可以看出此编码并非“标准”的UTF-8编码，因为其第一个字节的“有效编码”全为0，去除高位0后的编码仅有6位。由前面所述，此字符仅用一个字节的UTF-8编码表示就够了。
如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。UTF-8最多可用到6个字节。
上面的表对应的10进制数
1字节 0xxxxxxx ---- 最小值 00000000 ---十进制为0 最大值---01111111 ---
十进制为
127
2字节 110xxxxx 10xxxxxx ----第一个字
节
最小值 ：11000000（将x替换成最小值0） ---
十进制为
192 ，最大值
11011111---十进制223
。其他字段范围10000000
~
10111111 ，十进制为
128
~
191
3字节 1110xxxx 10xxxxxx 10xxxxxx
----第一个字
节
最小值 ：
11100000 ----
十进制为
224
。
其他字段范围10000000
~
10111111 ，十进制为
128
~
191
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
----第一个字
节
最小值 ：
11110000 ----十进制为
240
。
其他字段范围10000000
~
10111111 ，十进制为
128
~
191
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
----第一个字
节
最小值 ：
11111000 ----十进制为
248
。
其他字段范围10000000
~
10111111 ，十进制为
128
~
191
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
----第一个字节最小值 ：
11111100 ----十进制为
252
。
其他字段范围10000000
~
10111111 ，十进制为
128
~
191
从上面可以看出第一个字节的取值范围
1字节
00000000 ---0
~
01111111 ---127
2字节
11000000 ---192~11011111---223
3字节
11100000 ---244~11101111---239
4字节
11110000 ---240~11110111---247
5字节
11111000 ---248~11111011---251
6字节
11111100 ---252~11111101---253
其他字节 10000000 ---128~10111111 ----191
lua实现utf8操作
方法导向：从上面看出，我们可以将一个字符的编码分为首部（字符编码的第一个字节）和尾部（
字符编码除第一个字节的其他字节
）
判断字符所占字节数
1字节：如果是 在 0~
127
内
2字节：如果是 在 192~
244
范围内
3字节：如果是 在 244~
480
范围内
4字节：如果是 在 480~
496
范围内
5字节：如果是 在 496~
504
范围内
6字节:如果是 大于 504
还有一个关键点： 在
十进制为
128
~
191 范围的字节为此字符的一部分
代码如下：
--判断字符所占字节数
function byteNumber(coding)
if 127 >= coding then
return 1
elseif coding < 192 then
return 0
elseif coding < 224 then
return 2
elseif coding < 240 then
return 3
elseif coding < 248 then
return 4
elseif coding < 252 then
return 5
else
return 6
end
end
--截取从n到le的字符串
function string.utf8Sub(s, n, le)
if s ~= nil then
if tostring(type(s)) == "string" then
if n ==nil then
n = 1
else
if tostring(type(n)) ~= "number" or n < 1 then
n = 1
end
end
if le == nil then
le = 1
else
if tostring(type(le)) ~= "number" or le < 1 then
le = 1
end
end
local index = 0
local startIndex = 0
local endIndex = 0
for i = 1 , #s do
local coding = string.byte(s,i)
if coding >= 128 and coding < 192 then
else
index = index + 1
if index == n then
startIndex = i
end
if index == le then
endIndex = i + byteNumber(coding) - 1
end
end
end
return string.sub(s,startIndex,endIndex)
end
else
return nil
end
end
--获取第n个字符
function string.utf8Index(s,n)
if s ~= nil then
if tostring(type(s)) == "string" then
if n ==nil then
n = 1
else
if tostring(type(n)) ~= "number" or n < 1 then
n = 1
end
end
local index = 0
local startIndex = 0
for i = 1 , #s do
local coding = string.byte(s,i)
if coding >= 128 and coding < 192 then
else
index = index + 1
if index == n then
return string.sub(s,i,i + byteNumber(coding) - 1)
end
end
end
end
else
return nil
end
end
--获取字符串长度
function string.utf8Len(s)
if s ~= nil then
if tostring(type(s)) == "string" then
local index = 0
for i = 1 , #s do
local coding = string.byte(s,i)
if coding >= 128 and coding < 192 then
else
index = index + 1
end
end
return index
end
else
return nil
end
end
--以下是不需要传入字符串的方法
--如：local str = "截取字符串" str = str:utf8SelfSub(1,2) --输出str为"截取"
function string:utf8SelfSub(n, le)
if self ~= nil then
if tostring(type(self)) == "string" then
if n ==nil then
n = 1
else
if tostring(type(n)) ~= "number" or n < 1 then
n = 1
end
end
if le == nil then
le = 1
else
if tostring(type(le)) ~= "number" or le < 1 then
le = 1
end
end
local index = 0
local startIndex = 0
local endIndex = 0
for i = 1 , #self do
local coding = string.byte(self,i)
if coding >= 128 and coding < 192 then
else
index = index + 1
if index == n then
startIndex = i
end
if index == le then
endIndex = i + byteNumber(coding) - 1
end
end
end
return string.sub(self,startIndex,endIndex)
end
else
return nil
end
end
function string:utf8SelfIndex(n)
if self ~= nil then
if tostring(type(self)) == "string" then
if n ==nil then
n = 1
else
if tostring(type(n)) ~= "number" or n < 1 then
n = 1
end
end
local index = 0
local startIndex = 0
for i = 1 , #self do
local coding = string.byte(self,i)
if coding >= 128 and coding < 192 then
else
index = index + 1
if index == n then
return string.sub(self,i,i + byteNumber(coding) - 1)
end
end
end
end
else
return nil
end
end
function string:utf8SelfLen()
if self ~= nil then
if tostring(type(self)) == "string" then
local index = 0
for i = 1 , #self do
local coding = string.byte(self,i)
if coding >= 128 and coding < 192 then
else
index = index + 1
end
end
return index
end
else
return nil
end
end