Question

我只是看StreamReader / Writer的构造函数，我注意到它默认使用UTF8。有谁知道这是为什么？我原以为默认使用Unicode会更安全。

Answer 1

UTF-8可以与任何ASCII文档一起使用，并且通常比UTF-16更紧凑 - 但它仍然涵盖了整个Unicode。我会说UTF-8比UTF-16更常见远。它也是XML的默认值（当没有BOM并且没有指定显式编码时）。

为什么你认为默认为UTF-16会更好？（那就是Encoding.Unicode。）

编辑：我怀疑你对UTF-8可以处理的内容感到困惑。 This page非常清楚地描述了它，包括如何编码任何特定的Unicode字符。它是一种可变宽度编码，但它涵盖了整个Unicode。

Answer 2

UTF8 是 Unicode，更具体地说是Unicode编码类型之一。

更重要的是它向后兼容ASCII，加上它是XML和HTML的标准默认值

Answer 3

“Unicode”是标准的名称，因此没有“Unicode”这样的编码。相反，有两种映射方法：UTF和UCS。

对于“为什么”部分，UTF-8与ASCII具有最大兼容性。

Answer 4

正如所有其他人已经说过的那样，UTF-8是Unicode中的编码标准。 UTF-8使用可变数量的字节来编码所有的unicode字符。

所有ASCII字符都按原样表示，这样可以立即读取ASCII文件。一旦流中的一个字节具有其第8位（最高位，> 127）设置，这就触发读取器将其与后续字节组合，直到它<128。然后该组合被视为1个字符。

LATIN-1（ANSII）中有一些字符，使用两个字符进行编码：例如é编码为e和'。因此，长度（'é'）为2。

Windows在内部使用UTF-16，它将可编码字符限制为64K，这绝不是所有的Unicde字符。 UTF-32暂时允许所有角色，但也是人为限制的。并且两者都不向上兼容ASCII，因为它具有前导零：

A = ASCII h41 = UTF-8 h41 = UTF-16 h0041 = UTF-32 h00000041

还有一些小的大端编码：

A = UTF-16 big endian h0041 = UTF-16 little endian h4100

想象一下，使用UTF16或UTF32保存文件。与ASCII和UTF-8相比，它们（对于文本文件）的大小是双倍或四倍（如果仅使用ascii字符，则为UTF-8）。 UTF-8不仅允许unicode标准中的所有字符，即使是未来的增强功能，也可以有效地节省空间。

通常文件的前两个字节（BOM或字节顺序标记）告诉您使用了哪种编码标准。如果省略，XML和StreamRedaer使用UTF-8，如您所知。这再次成为现实，因为ASCII文件没有BOM，因此在大多数情况下都可以正确读取。对于使用所有LATIN-1的文件，情况可能并非如此。