UTF-8 vs Unicode

Question

J'ai entendu des opinions divergentes des personnes - selon wikipedia, voir ici

Ils sont la même chose, n'est-ce pas? Quelqu'un peut-il préciser?

Answer 1

"Unicode" est malheureusement utilisé de différentes manières, selon le contexte. Son plus correct d'utiliser (OMI) est comme un jeu de caractères codés à - dire un ensemble de caractères et une correspondance entre les caractères en entier et les points de code de représentation.

UTF-8 est un codage de caractères - un chemin de conversion à partir des séquences d'octets à des séquences de caractères et vice versa. Elle couvre l'ensemble du jeu de caractères Unicode. L'ASCII est codé comme un seul octet par caractère, et d'autres personnages prennent plus d'octets selon exact de leur point de code (jusqu'à 4 octets pour l'ensemble défini des points de code, c'est à dire jusqu'à U-0010FFFF, et, de fait 4 octets peut faire face aux U-001FFFFF).

Lorsque "Unicode" est utilisé en tant que nom d'un codage de caractères (par exemple, comme l' .NET de l'Encodage.Unicode propriété), cela signifie généralement l'UTF-16, qui code pour la plupart des caractères communs comme deux octets. Certaines plates-formes (notamment .NET et Java) utiliser l'UTF-16 "natif" l'encodage des caractères. Cela conduit à des poilus de problèmes si vous avez besoin de s'inquiéter à propos des caractères qui ne peuvent pas être codée sur un seul UTF-16 valeur (ils sont codés comme "les paires de substitution") - mais la plupart des développeurs ne vous inquiétez pas à ce sujet, IME.

Quelques références sur Unicode:

• Le consortium Unicode site web et en particulier les tutoriels de la section
• Joël article
• Mon propre article (.NET-oriented)

Answer 2

Ils ne sont pas la même chose - UTF-8 est une façon particulière de l'encodage Unicode.

Il ya beaucoup de différents encodages vous pouvez choisir en fonction de votre application et les données que vous souhaitez utiliser. Les plus courants sont en UTF-8, UTF-16 et UTF-32 s ce que je sais.

Answer 3

Unicode définit seulement les points de code, c'est un nombre qui représente un personnage. La façon dont vous stockez ces points de code dans la mémoire dépend de l' encodage que vous utilisez. UTF-8 est un moyen de codage de caractères Unicode, parmi beaucoup d'autres.

Answer 4

Unicode est juste une norme qui définit un jeu de caractères (UCS) et les codages (UTF) pour coder ce jeu de caractères. Mais en général, l'Unicode est appelé le jeu de caractères et non pas la norme.

Lire Le Minimum Absolu que Tout Développeur Doit Absolument, Positivement Savoir Sur Unicode et les Jeux de Caractères (Pas d'Excuses!) et Unicode Dans les 5 Minutes.