Unicode和UTF-8有什么区别？

Question

考虑：是真的unicode=utf16吗？许多人说Unicode是一种标准，而不是一种编码，但是大多数编辑器实际上都支持另存为Unicode 编码。

Answer 1

大多数编辑器实际上都支持另存为“ Unicode”编码。

这是Windows不幸的错误命名。

因为Windows内部使用UTF-16LE编码作为Unicode字符串的内存存储格式，所以Windows认为这是Unicode文本的自然编码。在Windows世界中，存在ANSI字符串（当前计算机上的系统代码页，受完全不可移植性的影响）和Unicode字符串（内部存储为UTF-16LE）。

所有这些都是在Unicode的早期设计的，当时我们才意识到UCS-2还远远不够，而UTF-8才被发明出来。这就是Windows对UTF-8的全面支持差的原因。

这种误导的命名方案成为用户界面的一部分。使用Windows的编码支持来提供多种编码的文本编辑器会自动并不合适地将UTF-16LE描述为“ Unicode”，而将UTF-16BE（如果提供）描述为“ Unicode big-endian”。

（其他自己进行编码的编辑器（例如Notepad ++）没有此问题。）

如果让您感觉更好，“ ANSI”字符串也不基于任何ANSI标准。

Answer 2

正如拉斯穆斯（Rasmus）在他的文章“ UTF-8和Unicode之间的区别？”中所述。（链接已固定）：

如果问到“ UTF-8和Unicode有什么区别？”这个问题，您会自信地回答一个简短而准确的问题吗？在当今国际化的今天，所有开发人员都应该能够做到这一点。我怀疑我们中的许多人不应该理解这些概念。如果您觉得自己属于这个类别，则应该阅读有关字符集和编码的简短介绍。

实际上，比较UTF-8和Unicode就像比较苹果和橘子：

UTF-8是一种编码-Unicode是一个字符集

字符集是具有唯一数字的字符列表（有时将这些数字称为“代码点”）。例如，在Unicode字符集中，A的数字为41。

另一方面，编码是一种将数字列表转换为二进制以便可以存储在磁盘上的算法。例如，UTF-8会像这样转换数字序列1、2、3、4：

00000001 00000010 00000011 00000100

现在，我们的数据已转换为二进制文件，现在可以保存到磁盘。

现在都在一起了

假设应用程序从磁盘读取以下内容：

1101000 1100101 1101100 1101100 1101111

该应用知道该数据代表使用UTF-8编码的Unicode字符串，并且必须向用户显示为文本。第一步是将二进制数据转换为数字。该应用程序使用UTF-8算法对数据进行解码。在这种情况下，解码器返回以下内容：

104 101 108 108 111

由于应用程序知道这是Unicode字符串，因此可以假定每个数字代表一个字符。我们使用Unicode字符集将每个数字转换为相应的字符。结果字符串为“ hello”。

结论

因此，当有人问您“ UTF-8和Unicode有什么区别？”时，您现在可以放心地回答简短而精确的问题：

无法比较UTF-8（Unicode转换格式）和Unicode。UTF-8是一种用于将数字转换为二进制数据的编码。Unicode是用于将字符转换为数字的字符集。