如果你没有找到你想要的支持，别忘了flex基本上是独立于编码的。它lexes一个八位字节流，我已经用它来lex纯二进制数据。用UTF-8编码的东西是一个八位字节流，可以用flex处理，如果你接受手动做一些工作。即，而不是让

idletter [a-zA-Z]

如果你想接受除了NBSP之外的Latin 1范围内的所有内容（换句话说，在U 00 A1-U 00 FF范围内），你必须做一些类似的事情（我可能把编码搞砸了，但你明白了）

idletter [a-zA-Z]|\xC2[\xA1-\xFF]|\xC3[\x80-\xBF]

您甚至可以编写一个预处理器来为您完成大部分工作（例如，将\u00A1替换为\xC2\xA1，将[\u00A1-\u00FF]替换为\xC2[\xA1-\xFF]）|\xC 3 [\x80-\xBF]，预处理器的工作量取决于您希望输入的通用程度，有时您可能会更好地将工作集成到flex中并将其贡献给上游）

解析器处理的是令牌流，理解编码不是他们的职责，因此解析器倾向于编码不可知论。
你似乎在问一个支持UTF-8的词法分析器。然而，大多数时候，词法分析器也不需要支持UTF-8来标记UTF-8流：
对于大多数编程结构，您将直接比较UTF-8的ASCII子集的值。例如，为了标记加号运算符，您将字节与'+'进行比较，就像它是纯ASCII一样，并且由于UTF-8的独创性，它在UTF-8中也将正确工作。同样，当标记字符串文字时，您只需扫描直到下一次出现引号，包括字符串中的所有UTF-8字节;不需要特殊处理。而且我怀疑你的目标是支持用乌尔都语数字写的数字。
至于标识符，作为一名程序员，我强烈建议您不要添加对非ASCII字符的支持。您可以简单地假设所有非ASCII字节都是标识符的一部分，但这不会有什么用处。问题不仅仅是根据Unicode将哪些字符分类为“字母”，你需要确定使用哪种范式，而这些范式都不一定符合用户的期望。
底线是，在要求一个“UTF-8解析器”之前，您应该首先了解Unicode的一些复杂性，然后定义您希望这样的解析器拥有哪些特性。