유니코드 문자 인코딩

UCS-2

ISO (International Organization for Standardization) 및 IEC (International Electrotechnical Commission) 표준 10646 (ISO/IEC 10646) 은 UCS (Universal Multiple-Octet Coded Character Set) 를 지정합니다. 이 문자 세트에는 16비트 (2바이트) 버전 (UCS-2) 및 32비트 (4바이트) 버전 (UCS-4) 이 있습니다. UCS-2는 대리가 없는 유니코드 16비트 양식과 동일합니다. UCS-2 는 유니코드 버전 3.0 레퍼토리에 정의된 모든 (16비트) 문자를 인코딩할 수 있습니다. 유니코드 버전 3.1에서 시작하여 각각의 새 보조 문자를 인코딩하려면 두 개의 UCS-2 문자 (높음 및 낮음 대리) 가 필요합니다. 이러한 보조 문자는 원래 16비트 BMP(Basic Multilingual Plane 또는 Plane 0) 외부에 정의됩니다.

UTF-16

ISO/IEC 10646은 또한 두 개의 UCS-2 문자를 사용하여 일부 UCS-4 문자를 인코딩하기 위한 확장 기술을 정의합니다. UTF-16이라는 이 확장은 대리가 있는 유니코드 16비트 인코딩 양식과 동일합니다. 요약하면, UTF-16 문자 레퍼토리는 모든 UCS-2 문자와 대리 쌍을 통해 액세스할 수 있는 추가 1,000 ,000자로 구성됩니다.

16비트유니코드 문자를 바이트로 직렬화할 때 바이트가 표시되는 순서는 사용 중인 프로세서에 따라 다릅니다. 일부 프로세서는 초기 위치 (빅 엔디안 (big-endian) 순서라고 함) 에 가장 중요한 바이트를 배치하는 반면, 다른 프로세서는 가장 중요하지 않은 바이트를 먼저 배치합니다 (리틀 엔디안 (little-endian) 순서라고 함). 유니코드의 기본 바이트 순서는 빅 엔디안(big-endian)입니다.

UTF-8

16비트 유니코드 문자는 바이트 지향 ASCII 기반 애플리케이션과 파일 시스템에 중요한 문제점을 제기합니다. 예를 들어, 비유니코드 인식 애플리케이션은 대문자 'A' (U+0041) 의 선행 8비트를 1바이트 ASCII NULL 문자로 잘못 해석할 수 있습니다.

UTF-8(UCS 변환 형식 8)은 고정 길이 유니코드 문자를 가변 길이 ASCII 안전 바이트 문자열로 변환하는 알고리즘 변환입니다. UTF-8에서 ASCII 및 제어 문자는 보통 1바이트 코드로 표시되지만 다른 문자는 2바이트 이상입니다. UTF-8 은 비보조 문자와 보조 문자를 모두 인코딩할 수 있습니다.

UTF-8 문자는 최대 4바이트입니다. 비보조 문자의 길이는 최대 3바이트이고 보조 문자의 길이는 4바이트입니다.