过长的UTF-8编码是如何生成的？

在UTF-8编码中，每个字符可以由1到4个字节表示。当需要表示的字符超过了Unicode标准中规定的范围时，UTF-8编码会使用多个字节来表示该字符。

以下是一个示例代码，演示如何将一个Unicode字符转换为UTF-8编码的字节序列：

def encode_utf8(char):
    codepoint = ord(char)  # 获取字符的Unicode码点

    if codepoint <= 0x7F:
        # 单字节表示，编码范围：U+0000 - U+007F
        return bytes([codepoint])
    elif codepoint <= 0x07FF:
        # 双字节表示，编码范围：U+0080 - U+07FF
        byte1 = 0xC0 | ((codepoint >> 6) & 0x1F)
        byte2 = 0x80 | (codepoint & 0x3F)
        return bytes([byte1, byte2])
    elif codepoint <= 0xFFFF:
        # 三字节表示，编码范围：U+0800 - U+FFFF
        byte1 = 0xE0 | ((codepoint >> 12) & 0x0F)
        byte2 = 0x80 | ((codepoint >> 6) & 0x3F)
        byte3 = 0x80 | (codepoint & 0x3F)
        return bytes([byte1, byte2, byte3])
    else:
        # 四字节表示，编码范围：U+10000 - U+10FFFF
        byte1 = 0xF0 | ((codepoint >> 18) & 0x07)
        byte2 = 0x80 | ((codepoint >> 12) & 0x3F)
        byte3 = 0x80 | ((codepoint >> 6) & 0x3F)
        byte4 = 0x80 | (codepoint & 0x3F)
        return bytes([byte1, byte2, byte3, byte4])

# 示例使用：
char = '中'
utf8_bytes = encode_utf8(char)
print(utf8_bytes.hex())  # 输出：e4b8ad

在这个示例中，encode_utf8函数接收一个Unicode字符作为输入，通过判断字符的Unicode码点范围，生成对应的UTF-8编码的字节序列。最后打印输出的utf8_bytes是字符'中'的UTF-8编码表示，以十六进制形式显示。