UTF-8和UTF-16的区别？
UTF-8和UTF-16的区别？ 为什么我们需要这些？
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(); 我相信在networking上有很多关于这方面的优秀文章，但是这里有一个简短的总结。
UTF-8和UTF-16都是可变长度编码。 但是，在UTF-8中，一个字符可能占用至less8位，而在UTF-16字符长度以16位开始。
主要的UTF-8优点：
- 基本的ASCII字符如数字，没有重音的拉丁字符等占用一个与US-ASCII表示相同的字节。 通过这种方式，所有US-ASCIIstring都变成了有效的UTF-8，在很多情况下它提供了不错的向后兼容性。
- 没有空字节，它允许使用以空字符结尾的string，这也引入了大量的向后兼容性。
- UTF-8与字节顺序无关，因此您不必担心Big Endian / Little Endian问题。
主UTF-8缺点：
- 许多常见的字符长度不同，这会减慢编码点的索引，并可能会严重计算编码点数。
- 即使字节顺序并不重要，但有时UTF-8仍然具有BOM（字节顺序标记），用于通知文本以UTF-8编码，并且即使文本只包含ASCII字符也不兼容ASCII软件。 微软软件（如记事本）特别喜欢把BOM添加到UTF-8。
主要的UTF-16优点：
- BMP（基础多语言平面）字符，包括拉丁文，西里尔文，大多数中文（中华人民共和国支持强制性BMP以外的一些代码点），大多数日文可以用2个字节表示。 如果文本不包含补充字符，这将加快索引和计算代码点数。
- 即使文本具有补充字符，它们仍由16位值对表示，这意味着总长度仍可被2整除，并允许使用16位
char作为string的基本组成部分。
主UTF-16缺点：
- 在US-ASCIIstring中有很多空字节，这意味着没有以空字符结尾的string和大量浪费的内存。
- 在许多常见情况下（特别是在美国/欧盟/西里尔字母/以色列/阿拉伯国家/伊朗等国家），使用它作为固定长度编码“通常会起作用”，如果不这样做，通常会导致断开的支持。 这意味着程序员必须注意代理对，并在重要的情况下正确处理它们！
- 它的长度是可变的，所以对码点进行计数或索引是很昂贵的，尽pipe比UTF-8less。
一般来说，UTF-16通常比内存表示更好，因为BE / LE在那里是不相关的（只是使用本地顺序），索引更快（只是不要忘记正确处理代理对）。 另一方面，UTF-8对于文本文件和networking协议是非常好的，因为不存在BE / LE问题，空终止常常派上用场，而且兼容ASCII。
它们只是表示Unicode字符的不同scheme。
两者都是可变长度的 – UTF-16对于包含大多数常用字符的基本多语言平面（BMP）中的所有字符使用2个字节。
对于BMP中的字符，UTF-8使用1到3个字节，在U + 0000到U + 1FFFFF的当前Unicode范围内，字符最多4个字符，如果有必要，可扩展到U + 7FFFFFFF。但值得注意的是，所有的ASCII字符都以一个字节表示。
就消息摘要而言，只要试图重新创build摘要的每个人都使用相同的选项，那么select哪个就不重要了。
有关UTF-8和Unicode的更多信息，请参阅此页面 。
（请注意，所有Java字符都是BMP中的UTF-16代码点;要表示U + FFFF上方的字符，您需要使用Java中的代理对。
这与UTF-8/16无关（一般来说，虽然它转换为UTF16，而BE / LE部分可以设置为单行），但下面是将string转换为byte []的最快方式。 例如：对于提供的情况正好（哈希码）。 String.getBytes（enc）相对较慢。
static byte[] toBytes(String s){ byte[] b=new byte[s.length()*2]; ByteBuffer.wrap(b).asCharBuffer().put(s); return b; }
区分UTF-8和UTF-16的简单方法是识别它们之间的共同点。
除了共享给定字符的相同的Unicode编号，每一个都是他们自己的格式。
