UTF-8字节切片的任意子切片是否也符合UTF-8编码规范？

该假设不成立：合法UTF-8编码的字节切片，其任意子切片不一定同样是有效UTF-8编码。

UTF-8属于变长编码，单个Unicode字符对应的字节长度为1~4字节，编码规则如下：

• 单字节ASCII字符：最高位为0，格式为0xxxxxxx
• 多字节字符：首字节最高位连续N个1代表该字符占N字节，后续N-1个字节均为10xxxxxx格式的续字节

如果子切片的切割位置落在某个多字节字符的中间，就会产生无效编码，常见两种场景：

• 子切片以续字节开头，找不到对应的首字节匹配
• 子切片末尾的多字节字符首字节缺少足够的续字节支撑

以中文字符「好」为例，它的UTF-8编码为3个字节：[0xE5, 0xA5, 0xBD]

1. 原始切片 b1 = [0xE5, 0xA5, 0xBD] 本身是完全合法的UTF-8编码
2. 取下标i=1, j=3，得到子切片 b2 = b1[1..3] = [0xA5, 0xBD]
3. 该子切片中的两个字节都是10xxxxxx格式的续字节，没有对应首字节，属于非法UTF-8编码

内容的提问来源于stack exchange，提问作者Jorge Leitao