为什么Java使用修改后的UTF-8而不是UTF-8？

Question

为什么Java使用modified UTF-8而不是标准的UTF-8进行对象序列化和JNI？

一种可能的解释是，修改后的UTF-8不能嵌入空字符，因此可以使用以空终止字符串操作的函数。还有其他原因吗？

Answer 1

处理补充字符更快更简单（不处理它们）。

Java将字符表示为16位char，但unicode已演变为包含超过64K字符。因此，一些字符，即补充字符，必须在Java中以2 char s（代理对）编码。

严格的UTF-8要求编码器将代理项对转换为字符，然后将字符编码为字节。解码器需要将补充字符拆分回代理对。

chars -> character -> bytes -> character -> chars

由于两端都是Java，我们可以采用一些快捷方式并直接在char级别

进行编码

char -> bytes -> char

编码器和解码器都不需要担心代理对。

Answer 2

我怀疑这是主要原因。在C盘中，不得不处理字符串可能包含嵌入式NUL会使事情变得复杂。

Answer 3

Unicode Explained - Page 306中对修改过的UTF-8有一个很好的描述，但它没有解释为什么决定修改后的UTF-8。

Java自己的文档中还有一个非常详细的解释，说明如何最初将非BMP Unicode字符的支持添加到Java：Supplementary Characters in the Java Platform。但同样，没有解释为什么为什么修改了UTF-8。

除非你直接询问Java的架构师，否则我认为你不会找到为什么。