耐人寻味：UTF-8的优缺点

Unicode的编码方式有三种：UTF-8、UTF-16、UTF-32，为什么只有UTF-8成为最耀眼的明星了呢？

首先说这三种编码的区别，8、16、32可看作每种编码存储字符所需的最少的位数。光从占用存储空间这一指标看，UTF-16、UTF-32就注定干不过UTF-8了。

下面具体说说UTF-8的优缺点：

一、优点：

(1)全球通用。

背靠拥有世界统治力的老爸Unicode，可以让全球文字和谐共舞，彻底避免乱码问题。像中国出品的GB2312、GBK就只能跟英日韩私聊，无法与全世界沟通。

(2)节省空间。

节省西方字符的存储空间，以加大东方字符的存储空间为代价。英文字符只占1个字节，东方字符普遍3个字节以上。

(3)字节序无关。

字节序在所有系统中都是一样的，因此它实际上并不需要BOM（Byte Order Mark）。

所谓的字节序是指一个字符表示为多个字节时，各字节在内存中的先后顺序。字节序主要有两种: 大端字节序（Big-Endian）、小端字节序（Little-Endian）。前者指最高字节存放在最低的内存地址，最低字节存放在最高的内存地址，后者正相反。

UTF-8编码字节序无关，就是说这种编码不受字节序的影响。比如“中”字有3个字节，这三个字节在内存中的无论采用哪种字节序都可以正确识别，不用单独在文件中标识出字节序。然而，这是有代价的，后面说缺点时会说。

(4)兼容性高。

完全兼容ASCII编码，因而在只支持ASCII编码老系统也可以用。

二、缺点：

(1)性能损失。

不能直接按字节划分边界，性能有一定损失。

因为UTF-8采用的是不定长的编码方式，故无法从UNICODE字符数判断出UTF-8的字节数。如果直接通过字节来分割边界，可能会产生公公般的“净身”效果。

当然，人家能设计出这套系统，必然有办法解决此问题，不过效率一定是低于直接按字节来区分字符的，当处理的数据量很大时，性能上就会受到影响。不过在如今的变态硬件面前，这些性能损失也已不足道哉了。

(2)增加了多字节字符的存储空间。

前面说的UTF-8“字节序无关”这一魔法的原理很简单，更准确地说应该是很无脑，因为每个字节的存储的内容都包含了两部分信息：字符的字节信息、字符本身信息。

字节的前面几位保存的是字符的字节信息，比如这个字符是单字节还是多字节（字节第1位是0单表单字节）、由几个字节组成（由几个字节组成字节的前面几位就都是1）等；后面几位保存的才是字符本身的信息。

由于字节信息的存在，当系统读取UTF-8编码的文本文件时，它会根据每个字节的起始位来判断该字节是单字节字符的一部分，还是多字节字符的起始字节、中间字节或结尾字节。

可见，UTF-8是在字节中存储了字节序信息，而不是根本用不到字节序。

由于ASCII码128个字符第一位本来就是0，所以没有任何影响。相反，对于多字节字符而言，就无端生出很多只表示字节信息的位，这显然是一种大大的浪费。

所以，老金才在前面的优点中说，UTF-8以加大东方字符的存储空间为代价，节省了西方字符的存储空间。