问UTF-16与UTF-8兼容吗？

EN

现在还不清楚你所说的“兼容”是什么意思，所以让我们先来了解一些基础知识。

Unicode是基本概念，如果实现得当，UTF-16和UTF-8是两种不同的Unicode编码方式。它们显然是不同的--否则，为什么会有两个不同的概念呢？

Unicode本身并不指定序列化格式。UTF-8和UTF-16是两种可选的序列化格式。

它们是“兼容”的，因为它们可以表示相同的Unicode代码点，但“不兼容”，因为表示完全不同。

与UTF-16相比，UTF-16还有两个额外的特性。实际上有两种不同的编码，UTF-16LE和UTF-16BE。这些字符顺序不同。(UTF-8是字节编码，因此没有字节顺序。)传统UTF-16过去被限制为65,536个可能的字符，少于当前包含的Unicode。这是通过代理来处理的，但是非常旧的和/或损坏的UTF-16实现(正确地标识为UCS-2，而不是“真正的”UTF-16)不支持它们。

为了更具体一点，让我们比较四个不同的代码点。我们选择U+0041、U+00E5、U+201C和U+1F4A9，因为它们很好地说明了不同之处。

U+0041是一个7位字符，因此UTF8只用一个字节来表示它。U+00E5是一个8位字符，因此需要对其进行编码。U+1F4A9位于基本多语言平面之外，因此UTF16用一个代理序列来表示它。最后，U+201C不是上面的任何一种。

以下是以UTF-8、UTF-16LE和UTF-16BE表示的候选字符。

Character | UTF-8               | UTF-16LE            | UTF-16BE            |
----------+---------------------+---------------------+---------------------+
U+0041    | 0x41                | 0x41 0x00           | 0x00 0x41           |
U+00E5    | 0xC3 0xA5           | 0xE5 0x00           | 0x00 0xE5           |
U+201C    | 0xE2 0x80 0x9C      | 0x1C 0x20           | 0x20 0x1C           |
U+1F4A9   | 0xF0 0x9F 0x92 0xA9 | 0x3D 0xD8 0xA9 0xDC | 0xD8 0x3D 0xDC 0xA9 |

举一个明显的例子，如果解释为UTF-16，U+00E5的UTF-8编码将表示完全不同的字符(在UTF-16LE中为U+A5C3，在UTF-16BE中为U+C3A5)。相反，许多UTF-16码根本不是有效的UTF-8序列。所以从这个意义上说，UTF-8和UTF-16是完全不兼容的。

这些是字节值；在ASCII码中，0x00是NUL字符(有时表示为^@)，0x41是大写A，0xE5是未定义的；例如，在拉丁文中-1 in表示字符§(在Unicode中也方便地表示为U+00E5 )，但在KOI8-R中它是西里尔字符Е(U+0415)，etc.

在现代编程语言中，您的代码应该简单地使用Unicode，并让该语言以适合您的平台和库的方式处理编码的细节。在有些离题的注释中，请参见http://utf8everywhere.org/