UTF-8 i UTF-16
UTF oznacza Unicode Transformation Format. Jest to rodzina standardów do kodowania zestawu znaków Unicode w jego równoważnej wartości binarnej. UTF został opracowany w taki sposób, aby użytkownicy mieli ustandaryzowane sposoby kodowania znaków przy minimalnej ilości miejsca.UTF-8 i UTF 16 to tylko dwa z uznanych standardów kodowania. Różnią się tylko liczbą bajtów, których używają do zakodowania każdej litery. Ponieważ oba mają kodowanie o zmiennej szerokości, mogą wykorzystywać do czterech bajtów do kodowania danych, ale gdy dochodzi do minimum, UTF-8 wykorzystuje tylko 1 bajt (8 bitów), a UTF-16 używa 2 bajty (16 bitów). Ma to ogromny wpływ na wynikowy rozmiar zakodowanych plików. Gdy używane są tylko znaki ASCII, plik zakodowany w formacie UTF-16 będzie mniej więcej dwa razy większy od tego samego pliku zakodowanego w UTF-8.
Główną zaletą UTF-8 jest to, że jest on wstecznie kompatybilny z ASCII. Zestaw znaków ASCII ma ustaloną szerokość i używa tylko jednego bajtu. Podczas kodowania pliku, który używa tylko znaków ASCII z UTF-8, wynikowy plik będzie identyczny z plikiem zakodowanym przy pomocy ASCII. Nie jest to możliwe, gdy używasz UTF-16, ponieważ każdy znak ma długość dwóch bajtów. Starsze oprogramowanie, które nie jest znane z Unicode, nie może otworzyć pliku UTF-16, nawet jeśli ma tylko znaki ASCII.
UTF-8 jest formatem zorientowanym na bajt i dlatego nie ma problemów z sieciami lub plikiem zorientowanym na bajty. Z kolei UTF-16 nie jest zorientowany na bajt i musi ustanowić kolejność bajtów, aby pracować z sieciami zorientowanymi na bajty. UTF-8 jest również lepszy w odzyskiwaniu po błędach, które uszkadzają fragmenty pliku lub strumienia, ponieważ wciąż mogą dekodować kolejny nieuszkodzony bajt. UTF-16 robi dokładnie to samo, jeśli niektóre bajty są uszkodzone, ale problem polega na tym, że niektóre bajty są tracone. Zgubiony bajt może mieszać następujące kombinacje bajtów, a wynik końcowy będzie zniekształcony.
Streszczenie: 1. UTF-8 i UTF-16 są używane do kodowania znaków 2. UTF-8 używa co najmniej bajtu do kodowania znaków, podczas gdy UTF-16 używa dwóch 3. Plik zakodowany w UTF-8 ma tendencję do bycia mniejszym niż plik zakodowany w UTF-16 4. UTF-8 jest zgodny z ASCII, natomiast UTF-16 jest niekompatybilny z ASCII 5. UTF-8 jest zorientowany na bajty, podczas gdy UTF-16 nie jest 6. UTF-8 lepiej radzi sobie z błędami w porównaniu do UTF-16
