UTF-32

UTF-32是32位Unicode转换格式（Unicode Transformation Formats， 或UTF）的缩写。UTF-32是一种用于编码Unicode的协定，该协定使用32位比特对每个Unicode码位进行编码（但前导比特数必须为零，故仅能表示231个Unicode码位）。与其他可变长度的Unicode转换格式（UTF）相比，UTF-32编码长度是固定的，UTF-32中的每个32位值代表一个Unicode码位，并且与该码位的数值完全一致。

UTF-32的主要优点是可以直接由Unicode码位来索引。在编码序列中查找第N个编码是一个常数时间操作。相比之下，其他可变长度编码需要进行循序存取操作才能在编码序列中找到第N个编码。这使得在计算机程序设计中，编码序列中的字符位置可以用一个整数来表示，整数加一即可得到下一个字符的位置，就和ASCII字符串一样简单。

UTF-32的主要缺点是每个码位使用四个字节，空间浪费较多。在大多数文本中，非基本多文種平面的字符非常罕见，这使得UTF-32所需空间接近UTF-16的两倍和UTF-8的四倍（具体取决于文本中ASCII字符的比例）。

尽管每一個碼位使用固定長度的位元組看似方便，但UTF-32並不如其它Unicode編碼使用廣泛。與UTF-8及UTF-16相比，UTF-32更容易遭到截斷。即使使用了"定寬"字型，在大多数情况下用UTF-32計算顯示字串的寬度也并不比其他编码更加容易。主要原因是，存在著一個字符位置會有多於一種可能的碼點（結合字符）或一個碼點用多於一個字符位置（如CJK表意字符）。結合符號也意味著，文書編輯者不能將一個码位視同一個編輯上的單位。

歷史

原本ISO 10646標準定義了一個32位元的編碼形式，稱作UCS-4，通用字符集（UCS）的每一個字符由0到十六進制的7FFFFFFF的31位数值表示（符号位未使用且零）。UCS-4足以用來表示所有的Unicode的字碼空間，其最大的碼位為十六進制的7FFFFFFF，所以其空間約20亿個碼位。2003年11月，由于UTF-16编码形式的限制，RFC 3629标准将Unicode限制为仅支持U+10FFFF以内的码位（另外U+D800到U+DFFF范围内也被保留使用）[1][2]。虽然在之前的ISO标准（1998年的Unicode 2.1）中0xE00000到0xFFFFFF和0x60000000到0x7FFFFFFF这些区域被分配给“保留私人使用”，但这些区域也在后续版本中被删除。在 ISO/IEC JTC 1/SC 2 WG2申明中规定UCS-4将来所有的字符分配将被限制在Unicode范围内，所以UTF-32和UCS4能表示的字符是相同的。

註釋

  1. ^ ISO/IEC 10646:2014 （页面存档备份，存于互联网档案馆） Clause 9.4: "Because surrogate code points are not UCS scalar values, UTF-32 code units in the range 0000 D800-0000 DFFF are ill-formed". Clause 4.57: "[UCS codespace] consisting of the integers from 0 to 10 FFFF (hexadecimal)". Clause 4.58: "[UCS scalar value] 存档副本 (PDF). [2017-04-13]. （原始内容 (PDF)存档于2015-01-04）.  any UCS code point except high-surrogate and low-surrogate code points".
  2. ^ Mapping code points to Unicode encoding forms （页面存档备份，存于互联网档案馆）, § 1: UTF-32

外部連結

  • （英文）The Unicode Standard 4.1，第三章 （页面存档备份，存于互联网档案馆） - 在§3.10, D43-D4中正式定義 UTF-32
  • （英文）Unicode Standard Annex #19 （页面存档备份，存于互联网档案馆） - Unicode 3.x 中正式定義的 UTF-32（2001 年三月；最後更新於 2002 年三月）
  • （英文）註冊新字集：UTF-32, UTF-32BE, UTF-32LE - IANA 字符集新增 UTF-32的宣言（2002 年四月）
  • 查
  • 论
  • 编
Unicode
码位
字符
通用字元集字元（英语：Universal Character Set characters）
列表
處理
演算法
統一碼編碼比較（英语：Comparison of Unicode encodings）
組合字符
使用
相關標準
相關主題
 
Unicode收录的文字
收录文字
現代文字
古代文字
標記文字
符號
  • 查
  • 论
  • 编
早期電信
  • 電報電碼（英语：Telegraph code）
    • 庫克與惠斯通（英语：Cooke and Wheatstone telegraph）
    • 摩斯
      • 非拉丁字母（英语：Morse code for non-Latin alphabets）
      • 日文（英语：Wabun code）
      • 中文
      • 西里爾字母（英语：Russian Morse code）
      • 韓文（英语：SKATS）
    • 博多與莫瑞
  • Fieldata（英语：Fieldata）
  • ASCII
  • BCDIC（英语：BCD (character encoding)）
  • 電傳文訊（英语：Teletex）與電傳視訊（英语：Videotex）／電視資訊
    • T.51/ISO/IEC 6937（英语：T.51/ISO/IEC 6937）
    • ITU T.61（英语：ITU T.61）
    • ITU T.101（英语：Videotex character set）
    • 世界系統電傳文訊（英语：World System Teletext）
      • 字元集（英语：Teletext character set）
ISO/IEC 8859
書目
  • MARC-8（英语：MARC-8）
  • ISO 5426（英语：ISO 5426）
  • ISO 5427（英语：ISO 5427）
  • ISO 5428（英语：ISO 5428）
  • ISO 6438
  • ISO 6862（英语：ISO 6862）
國家標準
ISO/IEC 2022
macOS代码页
  • 亞美尼亞文（英语：Mac OS Armenian）
  • 阿拉伯文
  • 巴倫支西里爾字母（英语：Mac OS Barents Cyrillic）
  • 凱爾特語族（英语：Mac OS Celtic）
  • 中歐語言
  • 克羅埃西亞文（英语：Mac OS Croatian encoding）
  • 西里爾字母（英语：Mac OS Cyrillic encoding）
  • 梵文
  • 波斯文（英语：MacFarsi encoding）
  • 字體X（英语：Macintosh Font X encoding）
  • 蓋爾文（英语：Mac OS Gaelic）
  • 喬治亞文（英语：Mac OS Georgian）
  • 希臘文（英语：MacGreek encoding）
  • 古吉拉特文（英语：Mac OS Gujarati）
  • 古木基文（英语：Mac OS Gurmukhi）
  • 希伯來文（英语：Mac OS Hebrew）
  • 冰島文（英语：Mac OS Icelandic encoding）
  • 因紐特文（英语：Mac OS Inuit）
  • 鍵盤（英语：Mac OS Keyboard encoding）
  • 拉丁文（英语：Macintosh Latin encoding）
  • 馬爾他文／世界文（英语：Mac OS Maltese/Esperanto encoding）
  • 歐甘字母（英语：Mac OS Ogham）
  • 羅曼語族
  • 羅馬尼亞文（英语：Mac OS Romanian encoding）
  • 薩米文（英语：Mac OS Sámi）
  • 土耳其文（英语：Mac OS Turkish encoding）
  • 土耳其西里爾字母（英语：Mac OS Turkic Cyrillic）
  • 烏克蘭文（英语：Mac OS Ukrainian encoding）
  • VT100（英语：VT100 encoding）
DOS代碼頁
  • 437
  • 668（英语：Code page 668）
  • 708（英语：Code page 708）
  • 720（英语：Code page 720）
  • 737（英语：Code page 737）
  • 770（英语：Code page 770）
  • 773（英语：Code page 773）
  • 775（英语：Code page 775）
  • 776（英语：Code page 776）
  • 777（英语：Code page 777）
  • 778（英语：Code page 778）
  • 850（英语：Code page 850）
  • 851（英语：Code page 851）
  • 852（英语：Code page 852）
  • 853（英语：Code page 853）
  • 855（英语：Code page 855）
  • 856（英语：Code page 856）
  • 857（英语：Code page 857）
  • 858（英语：Code page 858）
  • 859（英语：Code page 859）
  • 860（英语：Code page 860）
  • 861（英语：Code page 861）
  • 862（英语：Code page 862）
  • 863（英语：Code page 863）
  • 864（英语：Code page 864）
  • 865（英语：Code page 865）
  • 866（英语：Code page 866）
  • 867（英语：Code page 867）
  • 868（英语：Code page 868）
  • 869（英语：Code page 869）
  • 897（英语：Code page 897）
  • 899（英语：Code page 899）
  • 903（英语：Code page 903）
  • 904（英语：Code page 904）
  • 932（英语：Code page 932 (IBM)）
  • 936（英语：Code page 936 (IBM)）
  • 942（英语：Code page 942）
  • 949（英语：Code page 949 (IBM)）
  • 950
  • 951（英语：Code page 951）
  • 1040（英语：Code page 1040）
  • 1042（英语：Code page 1042）
  • 1043（英语：Code page 1043）
  • 1046（英语：Code page 1046）
  • 1098（英语：Code page 1098）
  • 1115（英语：Code page 1115）
  • 1116（英语：Code page 1116）
  • 1117（英语：Code page 1117）
  • 1118（英语：Code page 1118）
  • 1127（英语：Code page 1127）
  • 3846（英语：Code page 3846）
  • ABICOMP（英语：ABICOMP character set）
  • CS Indic（英语：CS Indic character set）
  • CSX Indic（英语：CSX Indic character set）
  • CSX+ Indic（英语：CSX+ Indic character set）
  • CWI-2（英语：CWI-2）
  • 伊朗系統（英语：Iran System encoding）
  • 卡梅尼茨（英语：Kamenický encoding）
  • 馬索維亞（英语：Mazovia encoding）
  • MIK（英语：MIK (character set)）
IBM AIX代碼頁
  • 895（英语：Code page 895）
  • 896（英语：Code page 896）
  • 912（英语：Code page 912）
  • 915（英语：Code page 915）
  • 921（英语：Code page 921）
  • 922（英语：Code page 922）
  • 1006（英语：Code page 1006）
  • 1008（英语：Code page 1008）
  • 1009（英语：Code page 1009）
  • 1010（英语：Code page 1010）
  • 1012（英语：Code page 1012）
  • 1013（英语：Code page 1013）
  • 1014（英语：Code page 1014）
  • 1015（英语：Code page 1015）
  • 1016（英语：Code page 1016）
  • 1017（英语：Code page 1017）
  • 1018（英语：Code page 1018）
  • 1019（英语：Code page 1019）
  • 1124（英语：Code page 1124）
  • 1133（英语：Code page 1133）
Microsoft Windows代碼頁（英语：Windows code page）
  • CER-GS（英语：CER-GS）
  • 932（英语：Code page 932 (Microsoft Windows)）
  • 936
  • 950
  • 1169（英语：Code page 1169）
  • Extended Latin-8（英语：Extended Latin-8）
  • 1250（英语：Windows-1250）
  • 1251（英语：Windows-1251）
  • 1252
  • 1253（英语：Windows-1253）
  • 1254（英语：Windows-1254）
  • 1255（英语：Windows-1255）
  • 1256（英语：Windows-1256）
  • 1257（英语：Windows-1257）
  • 1258（英语：Windows-1258）
  • 1270（英语：Windows-1270）
  • 西里爾字母+芬蘭文（英语：Windows Cyrillic + Finnish）
  • 西里爾字母+法文（英语：Windows Cyrillic + French）
  • 西里爾字母+德文（英语：Windows Cyrillic + German）
  • 希臘語變音符號（英语：Windows Polytonic Greek）
EBCDIC代碼頁
  • 37（英语：Code page 37）
  • EBCDIC中的日文（英语：Japanese language in EBCDIC）
  • DKOI（英语：DKOI）
DEC終端機（VTx（英语：VT220））
  • MCS（英语：Multinational Character Set）
  • NRCS（英语：National Replacement Character Set）
    • 加拿大法文（英语：Code page 1020）
    • 瑞士文（英语：Code page 1021）
    • 西班牙文（英语：Code page 1023）
    • 英國英文（英语：Code page 1101）
    • 荷蘭文（英语：Code page 1102）
    • 芬蘭文（英语：Code page 1103）
    • 法文（英语：Code page 1104）
    • 挪威文／丹麥文（英语：Code page 1105）
    • 瑞典文（英语：Code page 1106）
    • 挪威文／丹麥文（替代）（英语：Code page 1107）
  • 8位元希臘文（英语：Code page 1287）
  • 8位元土耳其文（英语：Code page 1288）
  • SI 960（英语：SI 960）
  • 希伯來文（英语：DEC Hebrew）
  • 特殊圖形（英语：DEC Special Graphics）
  • 技術（英语：DEC Technical Character Set）
特定平臺
  • 1057（英语：Code page 1057）
  • Acorn（英语：RISC OS character set）
  • Adobe標準（英语：PostScript Standard Encoding）
  • Adobe Latin 1（英语：PostScript Latin 1 Encoding）
  • Amstrad CPC（英语：Amstrad CPC character set）
  • Apple II（英语：Apple II character set）
  • 雅達利資訊交換標準碼（英语：ATASCII）
  • 雅達利ST（英语：Atari ST character set）
  • BICS（英语：Bitstream International Character Set）
  • 卡西歐計算機（英语：Casio calculator character sets）
  • CDC（英语：CDC display code）
  • Compucolor II（英语：Compucolor II character set）
  • CP/M+（英语：Amstrad CP/M Plus character set）
  • DEC RADIX 50（英语：DEC RADIX 50）
  • DEC MCS（英语：Multinational Character Set）/NRCS（英语：National Replacement Character Set）
  • DG國際（英语：DG International）
  • Fieldata（英语：Fieldata）
  • GEM（英语：GEM character set）
  • GSM 03.38（英语：GSM 03.38）
  • HP Roman（英语：HP Roman）
  • HP FOCAL（英语：FOCAL character set）
  • HP RPL（英语：RPL character set）
  • SQUOZE（英语：SQUOZE）
  • LICS（英语：Lotus International Character Set）
  • LMBCS（英语：Lotus Multi-Byte Character Set）
  • MSX（英语：MSX character set）
  • NEC APC（英语：NEC APC character set）
  • NeXT（英语：NeXT character set）
  • PETSCII（英语：PETSCII）
  • SEGA SC-3000（英语：Sega SC-3000 character set）
  • 夏普計算機（英语：Sharp pocket computer character sets）
  • 夏普MZ（英语：Sharp MZ character set）
  • 辛克萊QL（英语：Sinclair QL character set）
  • 符號
  • 電傳文訊（英语：Teletext character set）
  • 德州儀器計算機（英语：TI calculator character sets）
  • TRS-80（英语：TRS-80 character set）
  • 文圖拉國際（英语：Ventura International）
  • WISCII（英语：Wang International Standard Code for Information Interchange）
  • XCCS（英语：Xerox Character Code Standard）
  • ZX80（英语：ZX80 character set）
  • ZX81（英语：ZX81 character set）
  • ZX Spectrum（英语：ZX Spectrum character set）
Unicode及通用字符集
TeX排版系統
  • 科克（英语：Cork encoding）
  • LY1（英语：LY1 encoding）
  • OML（英语：OML encoding）
  • OMS（英语：OMS encoding）
  • OT1（英语：OT1 encoding）
其他代碼頁
  • ABICOMP（英语：ABICOMP character set）
  • ASMO 449（英语：ASMO 449）
  • 大五碼
  • APL符號數位編碼（英语：Digital encoding of APL symbols）
    • ISO-IR-68（英语：ISO-IR-68）
  • ARIB STD-B24
  • HZ（英语：HZ (character encoding)）
  • IEC-P27-1（英语：IEC-P27-1）
  • INIS
    • 7位元（英语：INIS character set）
    • INIS-8（英语：8位元）
  • ISO-IR-169（英语：ISO-IR-169）
  • ISO 2033（英语：ISO 2033）
  • KOI
    • -R
    • -RU（英语：KOI8-RU）
    • -U
  • 今昔文字鏡
  • SEASCII（英语：Stanford Extended ASCII）
  • Stanford/ITS（英语：Stanford/ITS character set）
  • TRON（英语：TRON (encoding)）
  • 統合韓文代碼（英语：Unified Hangul Code）
控制字符
相關條目
分类 字元集