UTF-16
外觀
UTF-16是Unicode的其中一個使用方式。 UTF是 Unicode/UCS Transformation Format,即把Unicode轉做某種格式的意思。
它定義於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字節的值來儲存。
UTF-16比起UTF-8,好處在於大部分字符都以固定長度的字節 (2字節) 儲存,但UTF-16卻無法相容於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製作或儲存的文字使用大尾序格式,以Microsoft或Linux製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。
以下的例子有三個字符:「朱」(U+6731)、半角逗號 (U+002C)、「聿」(U+807F)。
使用 UTF-16 編碼的例子 | ||||||
---|---|---|---|---|---|---|
編碼名稱 | 編碼次序 | 編碼 | ||||
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 與 UCS-2 的關係
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。但當引入輔助平面字符後,就只稱為UTF-16了。現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。