什麼是UTF-8？UTF-8與UTF-16有什麼不同？

什麼是 UTF-8？

UTF-8代表「Unicode轉換格式 - 8 位」。

 

二進位：電腦如何存儲訊息

為了存儲訊息，電腦使用二進位系統。在二進位中，所有數據都以 1 和 0 的序列表示。二進位的最基本單位是位，它只是一個單一的 1 或 0。二進位的下一個最大單位，一個字節，由 8 位組成。字節的示例是「01101011」。

 

您遇到的每一種數字應用，從軟體到行動應用程式、網站都建立在這個字節系統上，這些字節系統以一種對電腦有意義的方式串在一起。當我們提到文件大小時，我們指的是字節數。例如，千字節大約是一千字節，千兆字節大約是十億字節。

 

文本是電腦存儲和處理的眾多資產之一。文本由單個字符組成，每個字符在電腦中由一串位表示。這些字符串被組合成數字單詞、句子、段落等。

 

ASCII：將符號轉換為二進位

美國訊息交換標準程式碼 (ASCII) 是早期的文本標準化編碼系統。編碼是將人類語言中的字符轉換為電腦可以處理的二進位序列的過程。

 

ASCII 的庫包括拉丁字母表中的每個大寫和小寫字母（A、B、C...）、從 0 到 9 的每個數字以及一些常見符號（如 /、! 和 ?）。它為這些字符中的每一個分配一個唯一的三位數程式碼和一個唯一的字節。

 

ASCII 可以表示的字符數受限於可用的唯一字節數，因為每個字符都有一個字節。如果你算一下，你會發現有 256 種不同的方式將 8 個 1 和 0 組合在一起。這為我們提供了 256 個不同的字節，或 256 種方式來表示 ASCII 中的字符。1960年引入 ASCII 時，這還可以，因為開發人員只需要128 個字節來表示他們需要的所有英文字符和符號。

 

但是，隨著計算在全球範圍內擴展，電腦系統開始以英語以外的語言存儲文本，其中許多使用非 ASCII 字符。創建了新系統以將其他語言映射到相同的256個唯一字節集，但使用多個編碼系統效率低下且令人困惑。開發人員需要一種更好的方法來使用一個系統對所有可能的字符進行編碼。

 

Unicode：一種存儲每個符號的方法

Unicode是一種解決 ASCII 空間問題的編碼系統。與 ASCII 一樣，Unicode為每個字符分配一個唯一的程式碼，稱為程式碼點。然而，Unicode更複雜的系統可以產生超過一百萬個程式碼點，足以解釋任何語言中的每個字符。這解決了不同語言的多個標籤系統的問題，地球上的任何電腦都可以使用 Unicode。

 

但是，Unicode本身並不以二進位形式存儲。電腦需要一種將 Unicode轉換為二進位的方法，以便將其字符存儲在文本文件中，這就是UTF-8的用武之地。

 

UTF-8編碼系統

UTF-8是 Unicode的編碼系統。它可以將任何 Unicode字符轉換為匹配的唯一二進位字符串，也可以將二進位字符串轉換回 Unicode字符。這就是「UTF」或「Unicode轉換格式」的含義。

 

除了UTF-8之外，Unicode還有其他編碼系統，但UTF-8是獨一無二的，因為它以一字節為單位表示字符。一個字節由八位組成，因此名稱中帶有「-8」。

 

更具體地說，UTF-8將程式碼點（表示 Unicode中的單個字符）轉換為一組 1 到 4 個字節。Unicode庫中的前 256 個字符（包括我們在 ASCII 中看到的字符）表示為一個字節。後來出現在 Unicode庫中的字符被編碼為兩字節、三字節和最終四字節的二進位單元。

 

為什麼UTF-8會將某些字符轉換為 1 個字節，而將其他字符轉換為 4 個字節？簡而言之，節省內存。通過使用更少的空間來表示更常見的字符（即 ASCII 字符），UTF-8減少了文件大小，同時允許使用更多的不常用字符。這些不太常見的字符被編碼成兩個或更多字節，但如果它們被謹慎存儲，這是可以的。

 

空間效率是UTF-8編碼的一個關鍵優勢。相反，如果每個 Unicode字符都由四個字節表示，那麼用英語編寫的文本文件的大小將是用UTF-8編碼的同一文件的四倍。

 

UTF-8編碼的另一個好處是它與 ASCII 的向後兼容性。Unicode庫中的前128 個字符與 ASCII 庫中的字符匹配，UTF-8將這128 個 Unicode字符轉換為與 ASCII 相同的二進位字符串。因此，UTF-8可以採用 ASCII 格式的文本文件並將其轉換為人類可讀的文本，而不會出現問題。

 

Web 開發中的UTF-8字符

UTF-8是當今網際網路上最常用的字符編碼方式，也是 HTML5 的默認字符集。超過 95% 的網站（可能包括您自己的網站）以這種方式存儲字符。此外，網絡上的常見數據傳輸方法（如XML和JSON）均使用UTF-8標準進行編碼。

 

由於它現在是在Web上編碼文本的標準方法，因此您的所有站點頁面和資料庫都應使用 UTF-8。默認情況下，內容管理系統或網站構建器會以UTF-8格式保存您的文件，但確保您堅持此最佳實踐仍然是一個好主意。

 

使用UTF-8編碼的文本文件必須向處理它的軟體指明這一點。否則，軟體將無法正確地將二進位轉換回字符。

 

UTF-8與UTF-16

正如我所提到的，UTF-8不是 Unicode字符的唯一編碼方法，還有UTF-16。這些方法在存儲字符所需的字節數方面有所不同。UTF-8將字符編碼為一、二、三或四字節的二進位字符串。UTF-16將 Unicode字符編碼為兩個或四個字節的字符串。

 

從他們的名字可以看出這種區別。在UTF-8中，字符的最小二進位表示為1個字節或 8位。在UTF-16中，字符的最小二進位表示是兩個字節或十六位。

 

UTF-8和UTF-16都可以將 Unicode字符轉換為電腦友好的二進位文件，然後再返回。但是，它們彼此不兼容。這些系統使用不同的算法將程式碼點映射到二進位字符串，因此任何給定字符的二進位輸出看起來與兩種方法不同：

 

在大多數網站上，UTF-8編碼比UTF-16更可取，因為它使用更少的內存。回想一下，UTF-8將每個 ASCII 字符編碼為一個字節。UTF-16必須以兩個或四個字節對這些相同的字符進行編碼。這意味著使用UTF-16編碼的英文文本文件的大小至少是使用UTF-8編碼的同一文件的兩倍。

 

UTF-16在一些非英文網站上比UTF-8更有效率。如果網站使用的語言的字符在 Unicode庫中更遠，則UTF-8會將所有字符編碼為四個字節，而UTF-16可能會將許多相同的字符編碼為兩個字節。儘管如此，如果您的頁面充滿了ABC和123，請堅持使用 UTF-8。

 

解碼UTF-8編碼的世界

有很多關於單詞的詞，所以讓我們總結一下我們所涵蓋的內容：

 

電腦將數據（包括文本字符）存儲為二進位（1 和 0）。

 

ASCII 是一種早期的編碼方式，或將字符映射到二進位程式碼以便電腦可以存儲它們。但是，ASCII 沒有為非拉丁字符和數字以二進位表示提供足夠的空間。

 

Unicode是解決這個問題的方法。Unicode為每種人類語言中的每個字符分配一個唯一的「程式碼點」。

 

UTF-8是一種 Unicode字符編碼方法。這意味著UTF-8獲取給定 Unicode字符的程式碼點並將其轉換為二進位字符串。它也做相反的事情，讀取二進位數字並將它們轉換回字符。

 

UTF-8是目前網際網路上最流行的編碼方法，因為它可以有效地存儲包含任何字符的文本。

 

UTF-16是另一種編碼方法，但在存儲文本文件時效率較低（除了用某些非英語語言編寫的文件）。