UTF-16是Unicode的其中一個使用方式。 UTF是 Unicode Translation Format,即把Unicode轉(zhuǎn)做某種格式的意思。
它定義于ISO/IEC 10646-1的附錄Q,而RFC2781也定義了相似的做法。
在Unicode基本多文種平面定義的字符(無論是拉丁字母、漢字或其他文字或符號),一律使用2字節(jié)儲存。而在輔助平面定義的字符,會以代理對(surrogate pair)的形式,以兩個2字節(jié)的值來儲存。
UTF-16比起UTF-8,好處在于大部分字符都以固定長度的字節(jié) (2字節(jié)) 儲存,但UTF-16卻無法兼容于ASCII編碼。
UTF-16的編碼模式
UTF-16的大尾序和小尾序儲存形式都在用。一般來說,以Macintosh制作或儲存的文字使用大尾序格式,以Microsoft或Linux制作或儲存的文字使用小尾序格式。
為了弄清楚UTF-16文件的大小尾序,在UTF-16文件的開首,都會放置一個U+FEFF字符作為Byte Order Mark (UTF-16LE 以 FF FE 代表,UTF-16BE 以 FE FF 代表),以顯示這個文字檔案是以UTF-16編碼。
以下的例子有四個字符:“朱”、半角逗號、“聿”、“??”。
使用 UTF-16 編碼的例子 | ||
---|---|---|
編碼名稱 | 編碼次序 | 編碼 |
UTF-16LE | 小尾序 | 31 67, 2C 00, 7F 80, 62 D8 81 DF |
UTF-16BE | 大尾序 | 67 31, 00 2C, 80 7F, D8 62 DF 81 |
UTF-16 | 小尾序,包含BOM | FF FE, 31 67, 2C 00, 7F 80, 62 D8 81 DF |
UTF-16 | 大尾序,包含BOM | FE FF, 67 31, 00 2C, 80 7F, D8 62 DF 81 |
UTF-16 與 UCS-2 的關(guān)系
UTF-16可看成是UCS-2的父集。在沒有輔助平面字符前,UTF-16與UCS-2所指的是同一的意思。但當(dāng)引入輔助平面字符后,就只稱為UTF-16了。現(xiàn)在若有軟件聲稱自己支援UCS-2編碼,那其實是暗指它不能支援輔助平面字符的委婉語。