Java JavaScript 内部字符基于什么原因采用 UTF16 编码，而不是 UTF8？
xia0ta0 · 2014-07-08 09:12:37 +08:00 · 5470 次点击这是一个创建于 3574 天前的主题，其中的信息可能已经有所发展或是发生改变。
为了兼容之前的USC2，还是UTF16在效率或者内存占用方面确实有优势？
 |
1
est 2014-07-08 09:19:30 +08:00 via Android
utf16的确有效率优势。等宽的。
最根本原因是标准已经写死了 |
 |
2
sujin190 2014-07-08 09:24:52 +08:00
明显utf-16都是双字节的，在内存方面应该更简单吧
|
 |
3
imn1 2014-07-08 09:45:01 +08:00
UTF-16不是双字节吧？
|
 |
4
xia0ta0 OP utf-16同样存在需要4字节的情况，虽然这种情况比utf-8要少。
在计算字符串长度、查找及正则匹配的时候，都需要解码。转码效率会有很大差异吗? 标准委员会主要考虑的因素是不是utf-16的例外要比utf-8少，语言实现起来效率会更好？ |
 |
5
VYSE 2014-07-08 11:11:55 +08:00
因为iterate utf8必须一个字符一个字符的挪，utf16直接算偏移即可。
|
 |
6
s51431980 2014-07-08 11:20:00 +08:00
如果没记错，java是utf-16的，不知道是不是为了java，当初网景和sun是合作者来的
|
 |
7
reus 2014-07-08 15:36:44 +08:00  1
utf16是变长编码，有4字节的。定长的是ucs2
|
|
8
xia0ta0 OP 1
果然是历史原因，哈哈！
看C#: http://blog.coverity.com/2014/04/09/why-utf-16 stackoverflow的回答： http://stackoverflow.com/questions/5292150/whats-the-point-of-utf-16 C#是因为VB用的是BSTR（带长度前缀的UCS-2？），Java诞生的时候只有UCS-2可选。 为了兼容，采用了超集UTF16，而不是不兼容的UTF8。 值得注意的是，C#忽略了UTF16 4字节的问题，如果字符串含有编码为4字节的字符，获取长度等会有问题。C#的开发者在第一个链接里提到了。。。。 个人猜测C#这么做的原因可能是 如果考虑到4字节，对字符串操作必须先编解码，程序的效率影响会比较大。 看了一下Erlang的文档，最新的支持unicode。采用latin-1标志位确定是采用UTF-8还是字节编码。同时文档也提到了： It can be speculated that the UTF-16 encoding standard was, from the beginning, expected to be able to hold all Unicode characters in one 16-bit entity, but then had to be extended, leaving a hole in the Unicode range to cope with backward compatibility. |
 |
9
SoloCompany 2014-07-09 00:52:52 +08:00
javascript 的字符串单位当然是定长16位字符，和 java 一样，最新的 javascript 标准才支持 codePoint, 现在的大部分浏览器还不支持，java 则是在1.5的时候开始支持 codePoint
|
Select Language