UTF编码内存角度比较.md

UTF-8、UTF-16 和 UTF-32 是三种不同的 Unicode 编码方式，它们在表示字符时占用的字节数各不相同。具体如下：

1. UTF-8：

   • UTF-8 是一种可变长度的编码方式，每个字符占用 1 到 4 个字节。
   • 具体字节数取决于字符的 Unicode 码点：
     • U+0000 至 U+007F（基本拉丁字母）占 1 个字节。
     • U+0080 至 U+07FF 占 2 个字节。
     • U+0800 至 U+FFFF 占 3 个字节。
     • U+10000 至 U+10FFFF 占 4 个字节。

2. UTF-16：

   • UTF-16 也是一种可变长度的编码方式，每个字符占用 2 或 4 个字节。
   • 具体字节数取决于字符的 Unicode 码点：
     • U+0000 至 U+FFFF（基本多语言平面，BMP）占 2 个字节。
     • U+10000 至 U+10FFFF（辅助平面）占 4 个字节（使用一对代理项，即高位代理项和低位代理项，每个占 2 个字节）。

3. UTF-32：

   • UTF-32 是一种固定长度的编码方式，每个字符占用 4 个字节。
   • 无论字符的 Unicode 码点是多少，每个字符始终占用 4 个字节。

总结：

• UTF-8：1 到 4 个字节，具体取决于字符。
• UTF-16：2 或 4 个字节，具体取决于字符。
• UTF-32：固定 4 个字节。

这三种编码方式各有优缺点。UTF-8 是最常用的编码方式，因其对 ASCII 字符的高效编码（仅占 1 个字节），节省空间且向后兼容 ASCII。UTF-16 在处理基本多语言平面字符时相对高效，但对于包括大量辅助平面字符的文本，可能会占用更多空间。UTF-32 最简单，但由于每个字符固定占用 4 个字节，通常会占用更多的存储空间。