两个字节的unicode字母是一个神话？

Question

我读过一篇关于文本编码的文章。它指的是说unicode字母是两个字节是一个神话。 它解释了这一点，但我的英语并不是很好理解原因。

请说，如果这是真的，原因可以解释这个事实吗？请尽可能保持简单的英语。

Answer 1

根据unicode格式以及您希望表示的字符，它可能需要更多或更少。每个字符最多4个字节：

  

字符编码标准不仅定义了每个标识   字符及其数值或代码点，但也是如何   值以位表示。

     

Unicode标准定义了三种允许相同的编码形式   数据以字节，字或双字的格式传输   （即每个代码单元8,16或32位）。所有三种编码形式   编码相同的共同字符库并且可以有效地编码   在不丢失数据的情况下相互转换。 Unicode   联盟完全赞同使用任何这些编码形式作为   符合实施Unicode标准的方式。

     

UTF-8很受HTML和类似协议的欢迎。 UTF-8是一种方式   将所有Unicode字符转换为可变长度编码   字节。它的优点是Unicode字符对应   熟悉的ASCII集具有与ASCII相同的字节值   转换为UTF-8的Unicode字符可以使用很多   没有大量软件重写的现有软件。

     

UTF-16在许多需要平衡效率的环境中很受欢迎   经济地使用存储来访问角色。这是合情合理的   紧凑，所有使用频繁的字符都适合单个16位   代码单元，而所有其他字符都可以通过成对访问   16位代码单元。

     

UTF-32在没有内存空间但固定宽度的情况下非常有用，   需要单个代码单元访问字符。每个Unicode   使用UTF-32时，字符在单个32位代码单元中编码。

     

所有三种编码形式最多需要4个字节（或32位）的数据   每个角色。

请参阅http://www.unicode.org/standard/principles.html

Answer 2

Windows和许多传统应用程序传统上使用16位（两个字节）来表示unicode字符，但实际标准是21位（0x000000到0x10ffff）。这就是为什么有这么多不同的编码（UTF-8等）的原因。今天，程序中最常见的unicode字符内部表示应该是UTF-32（32位，4字节），而大多数以UTF-8格式存储在磁盘上。

有关不同unicode编码方案的更多信息，请参阅此维基百科文章：http://en.wikipedia.org/wiki/Comparison_of_Unicode_encodings