Unicode与ASCII内存

Question

在内存方面，Unicode和ASCII有什么区别？ Unicode和ASCII在内存中占用多少内存？我知道在Unicode中它取决于编码类型（UTF-8，UTF-16等...）。但我需要更深入的了解！

Answer 1

简而言之，ASCII使用7位代码点（即7位唯一标识每个字符），其中使用21位代码点定义Unicode（0 _hex 到10FFFF _hex ，定义为17个65536/16位字符的平面，产生1,114,112个字符 - 最接近的2的幂是2 ²¹ ）。使用多少内存取决于它在内存中的编码方式（不一定与用于外部化文件中数据的序列化编码相同，通常是Unicode的UTF编码之一）。

实际上，ASCII在RAM中每个字节存储为一个字符，很少看到纯ASCII，特别是在美国之外 - 更常见的是看到ISO8859-1（完全兼容的8位编码）使用ASCII，但其他字符使用可用的额外位，例如某些欧洲国家需要的£和¡字符。

Unicode更复杂，表示方式也有很大不同：

• Java使用16位字符和“代理对”的概念来表示“基本多语言平面”之外的值（基本上是在Unicode 2.0之后添加的任何字符）。这是历史性的;早期版本的Unicode每个字符仅使用16位。
• 在C中，使用可变长度的UTF-8编码作为内存中表示通常是有意义的 - 毕竟char是一个字节，但是这样的编码在解码时会产生很小的性能损失（它使得尝试找到第n个代码点更加困难，因为必须有效地遍历编码的字节数组，以识别每个字符的开头。）
• 使用UTF-32（以前称为UCS-4）也可能有意义，因为它以32位整数编码所有Unicode代码点，其方式与存储在8位整数中的ASCII类似。

Joel's article是这个主题的金读。