UTF 编码

whh1231

已于 2022-10-20 17:26:27 修改

阅读量4.9k

点赞数

分类专栏： 1020 文章标签： es

于 2022-10-20 16:57:04 首次发布

本文链接：https://blog.csdn.net/whh1231/article/details/127430691

版权

1020 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文介绍了Unicode Transformation Format（UTF）的不同编码方式，包括UTF-8和UTF-16。UTF-8因其节省存储空间和对程序处理的适应性而被广泛应用，而UTF-16则因字符固定字节数和适合程序处理的特点受到青睐。UTF-8使用1到4个字节编码字符，UTF-16则使用2到4个字节，两者各有优势与不足。

摘要由CSDN通过智能技术生成

UTF 是英文 Unicode Transformation Format 的缩写，意为把 Unicode 字符转换为某种格式。

优势：节省存储空间，自动纠错性能好、利于传输、扩展性强；

劣势：主要是由于字符的编码字节数不固定导致不利于程序内部处理，比如导致正则表达式检索的复杂度大为增加；而UTF-32这样的等长码元序列(即等宽码元序列)的编码方式就比较适合程序处理，当然，缺点是比较耗费存储空间。

UTF-8 和 UTF-16 被广泛使用

UTF-8 使用一至四个字节为每个字符编码，其中 Unicode BMP 平面的汉字采用三个字节编码，辅助平面的汉字采用四个字节编码。因为 UTF-8 是可变长度的编码方式，相对于 Unicode 编码可以减少存储占用的空间，所以被广泛使用。

UTF-16 使用二或四个字节为每个字符编码，其中 Unicode BMP 平面的汉字采用两个字节编码，辅助平面的汉字采用四个字节编码。UTF-16 编码有大尾序和小尾序之别，即 UTF-16BE 和 UTF-16LE，在编码前会放置一个 U+FEFF 或 U+FFFE（UTF-16BE 以 FEFF 代表，UTF-16LE 以 FFFE 代表），其中 U+FEFF 字符在 Unicode 中代表的意义是 ZERO WIDTH NO-BREAK SPACE，顾名思义，它是个没有宽度也没有断字的空白。