UTF-16

UTF-16 是 Unicode 的变长编码形式，使用 2 或 4 字节表示一个码点，BMP 字符用 1 个 16 位码单元，补充平面字符用代理对（2 个码单元）。

用途

在 BMP 字符占主导的场景（如 Windows API、Java 字符串内部表示）下兼顾空间效率与全 Unicode 覆盖。

机制

BMP 码点（U+0000-FFFF）直接存为 1 个 16 位单元。补充码点（U+10000-10FFFF）减去 0x10000 后拆为高 10 位与低 10 位，分别加上 0xD800 与 0xDC00 形成代理对。字节序由 BOM（U+FEFF）指示。

用例

Windows API 内部字符串
Java/JavaScript 字符串内部表示
.NET String 内部存储
文件名（NTFS）存储

示例

输入
```
A
```
输出
```
0x00 0x41
```
UTF-16BE, 2 bytes
输入
```
😀
```
输出
```
0xD8 0x3D 0xDE 0x00
```
A surrogate pair, 4 bytes

常见错误

Ignoring surrogate pairs, producing wrong character counts: Use code-point-aware APIs or surrogate-pair-aware iteration

相关词条

Unicode 是国际字符编码标准，为世界上几乎所有书写系统的每个字符分配唯一码点（U+0000 至 U+10FFFF），共 1,114,112 个码点空间。

UTF-8 是 Unicode 的变长编码形式，使用 1 至 4 字节表示一个码点，与 ASCII 完全向后兼容，是 Web 与现代系统的事实标准。

代理对是 UTF-16 中用两个 16 位码单元表示一个补充平面码点（U+10000 至 U+10FFFF）的机制。

BOM（字节顺序标记）是 Unicode 字符 U+FEFF，置于文本流开头用于指示编码形式与字节序。

字节序是多字节数值在内存中存储的字节排列顺序：大端（big-endian）高位在前，小端（little-endian）低位在前。

相关工具

Unicode 转换器

将文本转换为 Unicode 码点、UTF-8 十六进制或 UTF-16 十六进制。免费、隐私优先、100% 纯客户端运行。

字符编码参考表

字符编码参考表。免费、隐私优先、100% 纯客户端运行。

UTF-8 转 UTF-16

Utf8 To Utf16 — 纯客户端工具。隐私优先，无服务器往返。

参考链接