UTF-16
字符集名称:UTF-16
UTF-16是Unicode的其中一个使用方式。 UTF是 Unicode/UCS Transformation Format,即把Unicode转做某种格式的意思。
它定义于ISO/IEC 10646-1的附录Q,而RFC2781也定义了相似的做法。
在Unicode基本多文种平面定义的字符(无论是拉丁字母、汉字或其他文字或符号),一律使用2字节储存。而在辅助平面定义的字符,会以代理对(surrogate pair)的形式,以两个2字节的值来储存。
UTF-16比起UTF-8,好处在于大部分字符都以固定长度的字节 (2字节) 储存,但UTF-16却无法相容于ASCII编码。
UTF-16的编码模式
UTF-16的大尾序和小尾序储存形式都在用。一般来说,以Macintosh制作或储存的文字使用大尾序格式,以Microsoft或Linux制作或储存的文字使用小尾序格式。
为了弄清楚UTF-16文件的大小尾序,在UTF-16文件的开首,都会放置一个U+FEFF字符作为Byte Order Mark (UTF-16LE 以 FF FE 代表,UTF-16BE 以 FE FF 代表),以显示这个文字档案是以UTF-16编码,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。
以下的例子有三个字符:“朱”(U+6731)、半角逗号 (U+002C)、“聿”(U+807F)。
使用 UTF-16 编码的例子 |
||||||
---|---|---|---|---|---|---|
编码名称 |
编码次序 |
编码 |
||||
BOM |
"朱" |
"," |
"聿" |
|||
UTF-16LE |
小尾序 |
31 67 |
2C 00 |
7F 80 |
||
UTF-16BE |
大尾序 |
67 31 |
00 2C |
80 7F |
||
UTF-16 |
小尾序,包含BOM |
FF FE |
31 67 |
2C 00 |
7F 80 |
|
UTF-16 |
大尾序,包含BOM |
FE FF |
67 31 |
00 2C |
80 7F |
UTF-16 与 UCS-2 的关系
UTF-16可看成是UCS-2的父集。在没有辅助平面字符前,UTF-16与UCS-2所指的是同一的意思。但当引入辅助平面字符后,就只称为UTF-16了。现在若有软件声称自己支援UCS-2编码,那其实是暗指它不能支援辅助平面字符的委婉语。