UTF-16编码详解

最新推荐文章于 2023-10-12 14:18:18 发布

csd没n

最新推荐文章于 2023-10-12 14:18:18 发布

阅读量4.1k

点赞数 5

分类专栏：编码 UTF-16 Unicode 文章标签：编码 UTF-16 Unicode

本文链接：https://blog.csdn.net/xinbaobaoer/article/details/56290210

版权

本文详细探讨了Unicode字符集中的UTF-16编码方式，涵盖了其编码原理、使用场景以及与Unicode的关系，帮助读者全面了解UTF-16在处理多语言文本中的作用。

摘要由CSDN通过智能技术生成

  首先我们来思考UTF-16的设计思路： 

  我们知道Unicode的范围为0x0~0x10FFFF 

  首先是BMP区间，也就是0x0~0xFFFF这段区间，正好16位就可以表示，也兼容，两全其美 

  那么超过BMP区间的怎么办呢？ 

  也就是0xFFFF~0x10FFFF这段，我们先看这段区间有多少个码位，0x10FFFF-0xFFFF=0x100000,那么这个十六进制表示的十进制也就是：1048576个码位 

  我们既然16位存不下，那肯定就是32位存咯，这个32能理解为什么不？不理解？是因为计算机只能以2的倍数拓展，如果不这么设计，就没办法解析。长短不一，不符合设计思路 

  32位来存这些数字，那么我们需要怎么存下呢，简单的思考过后，大家认为应该分开存储，也就是将32位分开前16位和后16位，每个16位各存一半 

  那么每一半存的就是1024（由来： 
 √1048576=1024，也就是1024*1024=1048576）,1024代表的是2的10次幂，也就是10位二进制数 

  这样就知道了，32位二进制数字中，前后16位中各存10位就够用了，但是剩余的6位用来干什么呢？ 

  和UTF-8的设计一样，为了让识别字符串变得容易（从文本的任意位置开始，均能区分一个字符的起始），这里是不是有点儿蒙？ 

  举个栗子： 

  假设： 

  0000 0001 代表A 

  0000 0010 代表B 

  0000 0001 ，0000 0001 代表 X 

  0000 0010 ，0000 0001 代表Z 

  那么 ABXZ就是 

  0000 0001 ，0000 0010 ， 0000 0001 ，0000 0001 ， 0000 0010，0000 0001 

  A B X Z 

关注

专栏目录