L'Unicode codifica modulo che assegna ogni valore scalare Unicode in una sequenza di byte senza segno di uno a quattro byte di lunghezza.

• In UTF-8, il punto di codice sequenza < 004 S, 0430, 4E8C, 10302 > è rappresentato come < 4 D D0 B0 E4 BA 8C F0 90 8C 82 >, dove <4D>corrisponde a U + 004D, < D0 B0 > corrisponde a U + 0430, < E4 BA 8C > corrisponde a U + 4E8C, e < F0 90 8C 82 > corrisponde a U + 10302.
• UTF-8 qualsiasi sequenza di byte che non corrispondono ai modelli elencati in tabella 3-7 è formato non valido.
• Prima lo Unicode Standard, versione 3.1, il problematica "non più breve forma" sequenze di byte UTF-8 erano quelle dove i personaggi BMP potrebbero essere rappresentati in più modi. Queste sequenze sono in formato non valido, perché non sono autorizzati dalla tabella 3-7.
• Perché i punti di codice surrogato non sono scalari Unicode valori, qualsiasi sequenza di byte UTF-8 che sarebbe altrimenti mappa a punti di codice D800...DFFF è formato non valido.