Unicode字符集与UTF-8、UTF-16的关系

首先甩出定义：

Unicode

   Unicode（Universal Code 统一码）是基于通用字符集（Universal Character Set）的标准来发展， Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。它通过增加一个高字节对ISO Latin-1字符集进行扩展，当这些高字节位为0时，低字节就是ISO Latin-1字符。UNICODE支持欧洲、非洲、中东、亚洲（包括统一标准的东亚象形汉字和韩国象形文字）。但是，UNICODE并没有提供对诸如Braille, Cherokee, Ethiopic, Khmer, Mongolian, Hmong, Tai Lu, Tai Mau文字的支持。同时它也不支持如Ahom, Akkadian, Aramaic, Babylonian Cuneiform, Balti, Brahmi, Etruscan, Hittite, Javanese, Numidian, Old Persian Cuneiform, Syrian之类的古老文字。

    事实证明，对可以用ASCII表示的字符使用UNICODE并不高效，因为UNICODE比ASCII占用大一倍的空间，而对ASCII来说高字节的0对他毫无用处。为了解决这个问题，就出现了一些中间格式的字符集，他们被称为通用转换格式，即UTF（Universal Transformation Format）。

unicode编码规范中常用的是utf-16和utf-8。

UTF-16

UTF-16 用两个字节来表示 Unicode 转化格式，这个是定长的表示方法，不论什么字符都可以用两个字节表示，两个字节是 16 个 bit，所以叫 UTF-16。UTF-16 表示字符非常方便，每两个字节表示一个字符，这个在字符串操作时就大大简化了操作，这也是 Java 以 UTF-16 作为内存的字符存储格式的一个很重要的原因。

UTF-16 统一采用两个字节表示一个字符，虽然在表示上非常简单方便，但是也有其缺点，有很大一部分字符用一个字节就可以表示的现在要两个字节表示，存储空间放大了一倍，在现在的网络带宽还非常有限的今天，这样会增大网络传输的流量，而且也没必要。

UTF-8

UTF-8 采用了一种变长技术，每个编码区域有不同的字码长度。UTF-8用1到6个字节编码UNICODE字符。如果UNICODE字符由2个字节表示，则编码成UTF-8很可能需要3个字节。而如果UNICODE字符由4个字节表示，则编码成UTF-8可能需要6个字节。用4个或6个字节去编码一个UNICODE字符可能太多了，但很少会遇到那样的UNICODE字符。UTF-8 可以在同一个页面显示中文简体繁体及其它语言（如日文，韩文） 。

实际表示ASCII字符的UNICODE字符，将会编码成1个字节，并且UTF-8表示与ASCII字符表示是一样的。所有其他的UNICODE字符转化成UTF-8将需要至少2个字节。

 

 

首先说明啊，人家是三种编码格式。不过UTF-8、UTF-16是Unicode的不同表现形式（和unicode的表现形式也不一样）。

首先可以认为UTF-8、-16与Unicode三种字符集内的字符相同，不同的是-8、-16在底层的编码格式。

（-8、-16是Unicode在底层的具体编码方式）

-8使用的字节数为1-6

-16使用的字节数始终为2，

但是ASC||码在-8中占1个字节，在-16中占两个字节，而且，在我们的数据传输中ASC||占很大比重，所以我们经常使用的是-8

但是-8在对字符串操作的时候没有-16方便，因为-16直接使用2位表示字符，都不用判断它用了几个字符，是哪几个。而-8得判断，还贼麻烦，我都不想看它的编码方式（底层原理），有兴趣的搜一下吧。

所以对于字符串操作的时候-16更方便，更快，可是它不利于网络传输，因为在网络传输中一旦其中的字符丢了一个。。。。。。整个字符串中的后面的，都没用了。可以自己考录一下为什么。（因为它判断不出来丢没丢啊它只会直接转换，-8可以，它有标志位）

（但是在网络传输中不是会检测吗？？？？到网络的时候再考虑这个问题吧）

所以说，尽量用-8吧，如果你传递的都是汉语的话，考虑考虑16的方式，毕竟汉语在8中占3个字符。仅仅是想想哈，你别真用，人家用的都是-8，你用-16，人家转换不了。

 

 

另外说个题外话，昨天写的Java的多态、继承、还有调用方法的原理，五分钟之前阅读数98，5分钟后110.卧槽。。。。。。，好开心。希望大家可以在看我的博文可以找出错误，评论我一定会回的。希望传播的都是正确的知识。