Unicode 只是为每个字符分配一个整数。 UTF-8 或其他用于将这些整数(“代码点”)编码为要存储在内存中的字节序列。我的问题是，为什么我们不能简单地将字符存储为其 Unicode 值(“代码点”)的二进制表示形式？因此，某些语言的字符需要多个字节来表示。将它们作为代码点的二进制存储不是更容易吗？
最佳答案
是的，我们可以，那就是 UTF-32。
问题是 UTF-32 浪费了大量空间。如果文本包含大量欧洲/希伯来语/阿拉伯语文本，则使用 UTF-8，每个代码点仅需要 1 到 2 个字节，但使用 UTF-32，每个代码点需要 4 个字节。
如果我们将整数值存储为可变大小，例如0 ~ 255 使用 1 个字节，256 ~ 65535 使用 2 个字节等，我们会遇到歧义问题，例如5a 5a 应该代表“ZZ”还是“婚”？基本上，解决方案就是我们所说的 UTF-8——我们使用一些特殊位来指示字节序列的长度，以给出唯一的解码结果。
关于unicode - 需要通过 UTF 等对 Unicode 字符进行编码吗？为什么我们不能简单地将它们存储为代码点的二进制？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3741432/