有什么理由更喜欢 UTF-16 而不是 UTF-8？

unicode java c# utf-8 utf-16

2022-09-01 12:43:34

检查UTF-16和UTF-8的属性，我找不到任何理由更喜欢UTF-16。

但是，看看Java和C#，看起来字符串和字符默认为UTF-16。我在想，这可能是出于历史原因，也可能是出于性能原因，但找不到任何信息。

有谁知道为什么这些语言选择UTF-16？我这样做有什么正当理由吗？

编辑：同时，我也找到了这个答案，它似乎相关，并且有一些有趣的链接。

答案 1

东亚语言通常需要比 UTF-8（通常需要 3 个字节）更少的 UTF-16 存储（2 个字节对于 99% 的东亚语言字符就足够了）。

当然，对于西方拉纳格来说，UTF-8通常更小（1字节而不是2字节）。对于像HTML这样的混合文件（有很多标记），这是一个很大的问题。

处理用户模式应用程序的 UTF-16 比处理 UTF-8 稍微容易一些，因为代理项对的行为方式几乎与组合字符的行为方式相同。因此，UTF-16 通常可以作为固定大小的编码进行处理。

答案 2

@Oak：这太长了，无法发表评论...

我不了解C#（而且会感到非常惊讶：这意味着他们只是复制了Java太多），但对于Java来说，这很简单：Java是在Unicode 3.1问世之前构思的。

因此，只有不到65537个码位，因此每个Unicode码位仍然适合16位，因此Java字符诞生了。

当然，这导致了疯狂的问题，这些问题今天仍然影响着Java程序员（像我一样），你有一个方法charAt，在某些情况下，它既不返回Unicode字符也不返回Unicode代码点，还有一个方法（在Java 5中添加）codePointAt，它接受的参数不是你想要跳过的代码点的数量！（您必须向 codePoint 提供要跳过的 Java 字符数，这使其成为 String 类中最不易理解的方法之一）。

所以，是的，这绝对是疯狂的，让大多数Java程序员感到困惑（大多数人甚至没有意识到这些问题），是的，这是出于历史原因。至少，当人们在这个问题之后生气时，这是人们想出的借口：但这是因为Unicode 3.1还没有出来。

:)