Kawa.netブログ（川崎有亮）

というわけで、現在の仕様では UTF-8 は以下になるらしい。
　
Table 3-6. UTF-8 Bit Distribution より

コードポイント	ビットパターン	1バイト目	2バイト目	3バイト目	4バイト目
U+0000〜U+007F	0xxxxxxx	0xxxxxxx
U+0080〜U+07FF	00000yyy yyxxxxxx	110yyyyy	10xxxxxx
U+0800〜U+FFFF	zzzzyyyy yyxxxxxx	1110zzzz	10yyyyyy	10xxxxxx
U+010000〜U+10FFFF	000uuuuu zzzzyyyy yyxxxxxx	11110uuu	10uuzzzz	10yyyyyy	10xxxxxx

　
2進数でなくて16進数で書くと以下の通り。
　
Table 3-7. Well-Formed UTF-8 Byte Sequences

コードポイント	1バイト目	2バイト目	3バイト目	4バイト目
U+0000〜U+007F	00〜7F
U+0080〜U+07FF	C2〜DF	80〜BF
U+0800〜U+0FFF	E0	A0〜BF	80〜BF
U+1000〜U+CFFF	E1〜EC	80〜BF	80〜BF
U+D000〜U+D7FF	ED	80〜9F	80〜BF
U+E000〜U+FFFF	EE〜EF	80〜BF	80〜BF
U+010000〜U+03FFFF	F0	90〜BF	80〜BF	80〜BF
U+040000〜U+0FFFFF	F1〜F3	80〜BF	80〜BF	80〜BF
U+100000〜U+10FFFF	F4	80〜8F	80〜BF	80〜BF

　
ちなみに第16面は、第0面(BMP) から数えて17面目にあたる。
17という数字は、なんだか計算機的にはしっくりこない数字だけど、
UTF-16のサロゲートで表現できる範囲が、第1〜16面になるので、
第0面(BMP) と第1〜16面を合わせると、計17面となる。（21ビット弱）
サロゲートの仕様に合わせて、将来 Unicode で使う文字の範囲が決まったのかな？
　
サロゲートペア とは、BMP の範囲のうち high surrogates (D800〜DB7F) と
low surrogates (DC00〜DFFF) のそれぞれ1024文字分のコードポイントの
組み合わせで、1024×1024＝20ビット分＝16面分を表す仕組み。