UTF-8可以保存UTF-16可以容纳的相同数据

Question

使用Java我将多语言文本保存为UTF-16格式的文件。为了节省磁盘空间，我想切换到使用UTF-8 UTF-8可以表达与UTF-16相同的字符集范围吗？

这将允许我避免在不同的人类语言中进行回归或广泛测试。 我的大部分内容都是英文的，所以我希望节省磁盘空间。

Answer 1

是的，它可以。 UTF-8和UTF-16只是将Unicode字符转换为字节的不同方法，反之亦然。

两种编码都可以编码所有可能的Unicode字符。

来自链接（维基百科）：

  

UTF-8 （U来自通用字符集+转换格式-8位）是一种能够编码Unicode中所有可能字符（称为代码点）的字符编码。 ... UTF-8使用一到四个8位字节对一个Unicode代码空间中的1,112,064个有效代码点（1,114,112个代码点减去2,048个代理代码点）进行编码（一组8位称为八位字节） Unicode标准）。

     

UTF-16 （16位Unicode转换格式）是一种能够以Unicode编码所有1,112,064个可能字符的字符编码。

Answer 2

UTF-8和UTF-16可以代表所有有效的Unicode代码点。

UTF-8也可以表示无效的UTF-16序列（轻松验证） 反过来不成立。