UTF-8 ja UTF-16
UTF tarkoittaa Unicode Transformation Formatia. Se on standardikokoelma, jolla Unicode-merkistöä koodataan vastaavan binaarisen arvon. UTF on kehitetty siten, että käyttäjillä on standardoituja keinoja merkkien karakterisoimiseksi mahdollisimman pienellä määrällä tilaa. UUT-8 ja UTF 16 ovat vain kahta vakiintuneesta standardista koodausta varten. He poikkeavat vain siitä, kuinka monta tavua he käyttävät kunkin merkin koodaamiseen. Koska molemmat ovat muuttuvan leveyden koodausta, ne voivat käyttää jopa neljää tavua koodaamaan tietoja, mutta kun on kyse vähimmäistasosta, UTF-8 käyttää vain 1 tavua (8 bittiä) ja UTF-16 käyttää 2 tavua (16 bittiä). Tällä on valtava vaikutus koodattujen tiedostojen kokoon. Kun käytät vain ASCII-merkkejä, UTF-16-koodattu tiedosto olisi suunnilleen kaksi kertaa suurempi kuin sama UTF-8: lla koodattu tiedosto.
UTF-8: n tärkein etu on, että se on taaksepäin yhteensopiva ASCII: n kanssa. ASCII-merkkijono on kiinteä leveys ja käyttää vain yhtä tavua. Kun koodataan tiedostoa, joka käyttää vain ASCII-merkkejä UTF-8: lla, tuloksena oleva tiedosto olisi identtinen ASCII-koodilla koodatulla tiedostolla. Tämä ei ole mahdollista, kun UTF-16: ta käytetään, kun jokainen merkki olisi kaksi tavua pitkä. Vanhat ohjelmistot, jotka eivät ole Unicode tietoisia, eivät pysty avaamaan UTF-16-tiedostoa, vaikka niillä olisi vain ASCII-merkkejä.
UTF-8 on tavulähetetty muoto ja sen vuoksi ei ole mitään ongelmia tavujärjestelmäverkkojen tai -tiedostojen kanssa. UTF-16, toisaalta, ei ole tavuohjautuva ja tarvitsee luoda tavujärjestyksen, jotta se voi toimia tavujärjestelmäverkkojen kanssa. UTF-8 on myös parempi palauttamaan virheistä, jotka vahingoittivat tiedoston tai virran osia, koska se voi vielä dekoodata seuraavan epämuodostuneen tavun. UTF-16: ssä on täsmälleen sama asia, jos jotkut tavut ovat vioittuneet, mutta ongelma on, kun jotkut tavut katoavat. Kadonneet tavu voi sekoittua seuraavien tavujärjestelmien yhdistelmiin ja lopputulos olisi sekaisin.
Yhteenveto: 1. UTF-8 ja UTF-16 käytetään sekä merkkien koodaamiseen 2. UTF-8 käyttää tavua vähimmäismäärä koodaamalla merkkejä, kun UTF-16 käyttää kahta 3. UTF-8-koodattu tiedosto on yleensä pienempi kuin UTF-16-koodattu tiedosto 4. UTF-8 on yhteensopiva ASCII: n kanssa, kun taas UTF-16 ei ole yhteensopiva ASCII: n kanssa 5. UTF-8 on tavuohjautuva, kun taas UTF-16 ei ole 6. UTF-8 on parantumassa virheistä UTF-16: een verrattuna
