python - utf8编码规则会受制于Unicode实际的字符对应吗？

Question

我用python 写
'\xF5\x90\x90\x90'.decode('utf8')
但是报错了：

UnicodeDecodeError: 'utf8' codec can't decode byte 0xf5 in position 0: invalid start byte

问题是：\xF5\x90\x90\x90 是个标准的四字节的utf8编码的字符啊
转换成二进制就是 11110101 10010000 10010000 10010000
完全符合utf8编码规则：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

我把\xF5换成\xF2就没有问题了，也就是11110010开头，难道是因为Unicode实际上没有用到这么多的字符，所以不能decode('utf8')？但是规则是对的呀，万一哪天Unicode又扩充了很多字符集，那python的decode()函数岂不是要更新了？

Answer 1

因为Unicode的范围是0x0000-0x10FFFF，我测试了一下，python中比规范更为宽松，最大支持到0xFFFFF,而你题目中输的已经超过这个范围所以报错了。
附：UTF-8标准 RFC3629