UTF-8 ve UTF-16 arasındaki fark nedir? Neden bunlara ihtiyacımız var?UTF-8 ve UTF-16 arasındaki fark nedir?
MessageDigest md = MessageDigest.getInstance("SHA-256");
String text = "This is some text";
md.update(text.getBytes("UTF-8")); // Change this to "UTF-16" if needed
byte[] digest = md.digest();
İyi makalelerin bir yeri vardır inanıyoruz Bu konuda Web etrafında, ama burada kısa bir özet.
Hem UTF-8 hem de UTF-16, değişken uzunluk kodlamalarıdır. Bununla birlikte, UTF-8'de bir karakter en az 8 bite sahipken, UTF-16 karakter uzunluğu 16 bit ile başlar.
Ana UTF-8 artıları: vb basamak gibi
Ana UTF-8 eksileri:
Ana UTF-16 artıları:
char kullanılmasına izin verir.Ana UTF-16 eksileri: hayır boş sonlandırılmış dizeleri ve boşa bellek çok şey ifade US-ASCII dizeleri, null bayt
, UTF-16 bellek temsil için genellikle daha iyidir (sadece düzgün vekil çiftleri ele unutmayın) (sadece yerli düzen kullanın) ve indeksleme hızlıdır. Öte yandan, UTF-8, metin dosyaları ve ağ protokolleri için son derece iyidir, çünkü BE/LE sorunu yoktur ve nihayet sonlandırma, ASCII uyumluluğunun yanı sıra genellikle kullanışlı hale gelir.
UTF16'da sadece BE/LE parçası eksik :) UTF-8'in başka bir olumsuz yanı var. UTF16 – bestsss
'dan daha uzun çıkış üretin Evet, BE/LE'yi unuttum. Özellikle de bellek içi kullanım için önemli değil. UTF-8, yalnızca üç baytlık karakterler içeriyorsa daha uzun çıkış üretecektir, ancak bu çoğunlukla Çince ve Japonca anlamına gelir. Öte yandan, metin çok sayıda US-ASCII karakteri içeriyorsa, daha kısa bir çıktı üretebilir, bu nedenle dezavantaj olup olmadığı belirli bir duruma bağlıdır. –
Ben utf-8, kısa boyun doğrudan pro bahsetmeden bile düşünmedim. Utf-8'in daha uzun çıktısı hakkında bir sebepten ötürü 'mayıs' olabilir, ancak hedef uzak doğu ise, varsayılan kodlama utf-16 olmalıdır. Md.update örneğinde olduğu gibi (text.getBytes ("UTF-8")); karma her iki yoldan da istikrarlı olduğundan kodlamanın önemi yoktur. – bestsss
Bunlar yalnızca Unicode karakterlerini temsil eden farklı şemalardır.
Her ikisi de değişken uzunluktadır - UTF-16, ortak kullanımda çoğu karakteri içeren temel çok dilli düzlemde (BMP) tüm karakterler için 2 bayt kullanır.
UTF-8, BMP'deki karakterler için 1 ve 3 bayt arasında, U + 0000'den U + 1FFFFF'ye kadar olan Unicode aralığındaki karakterler için 4 adede kadar kullanır ve eğer bu olursa, U + 7FFFFFFF'ye kadar genişletilebilir gerekli ... ama özellikle tüm ASCII karakterleri her biri tek bir bayt olarak gösterilir.
Bir ileti sindirmek amacıyla, hangisini seçerseniz, sindirmeyi yeniden başlatmayı deneyen herkes aynı seçeneği kullandığı sürece önemli değildir.
UTF-8 ve Unicode hakkında daha fazla bilgi için this page'a bakın.
(tüm Java karakterleri UTF-16 BMP içinde kod noktaları olduğunu unutmayın;. Eğer Java vekil çiftleri kullanmak zorunda U + FFFF yukarıdaki karakterleri temsil etmek)
Bu, UTF-8/16 ile ilgisi yoktur (genel olarak, UTF16'ya dönüştürülse ve BE/LE kısmı tek bir satır olarak ayarlanabilse de), ancak aşağıdaki dize byte dönüştürmenin en hızlı yoludur []. Örneğin: sağlanan dava için tam olarak (hash kodu). String.getBytes (enc) nispeten yavaştır.
static byte[] toBytes(String s){
byte[] b=new byte[s.length()*2];
ByteBuffer.wrap(b).asCharBuffer().put(s);
return b;
}
UTF-8 ve UTF-16'yı ayırt etmenin basit bir yolu, aralarındaki ortaklıkları tanımlamaktır.
Belirtilen karakterle aynı unicode numarasını paylaşmanın dışında, her biri kendi biçimidir.
jon skeet, kodlama hakkında iyi bir makaleye sahiptir .... http: //csharpindepth.com/Articles/General/Unicode.aspx –