- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
UTF-16 是一种双字节字符编码。交换两个字节的地址将产生 UTF-16BE 和 UTF-16LE。
但我发现在 Ubuntu gedit
文本编辑器中存在名称 UTF-16 编码,以及 UTF-16BE 和 UTF-16LE。用C测试程序发现我的电脑是little endian,UTF-16被确认为与UTF-16LE相同的编码。
另外:在小端/大端计算机中,一个值(例如整数)有两种字节顺序。小端计算机将在硬件中产生小端值(Java 产生的值除外,它始终形成大端)。
虽然文本在我的小端计算机中可以保存为 UTF-16LE 以及 UTF-16BE,但字符是一个字节一个字节生成的(例如 ASCII 字符串,引用 [3] 和 UTF- 的字节顺序) 16 只是由人类定义的 -- 不是大端机器写入大端 UTF-16 而小端机器写入小端 UTF-16 的现象的结果吗?
最佳答案
“UTF-16 的字节序是计算机的字节顺序吗?”
可以从文件的写入者或读取者的角度来看计算机字节顺序的影响。
如果您正在读取标准格式的文件,那么读取它的机器类型无关紧要。格式应该足够明确,无论阅读机的字节顺序如何,数据仍然可以正确读取。
这并不意味着格式不灵活。使用“UTF-16”(当格式名称中未使用“BE”或“LE”消歧时)定义允许将文件标记为大端或小端。这是通过文件前两个字节中称为“字节顺序标记”(BOM) 的东西完成的:
https://en.wikipedia.org/wiki/Byte_order_mark
BOM 的存在为文件的编写者提供了选择。他们可能会选择为内存中的缓冲区写出最自然的字节顺序,并包含匹配的 BOM。对于其他一些读者来说,这不一定是最有效的格式。但是任何声称支持 UTF-16 的程序都应该能够以任何一种方式处理它。
所以是的——计算机的字节顺序可能会影响 BOM 标记的 UTF-16 文件的字节顺序选择。仍然......一个小端程序完全能够保存文件,将其标记为“UTF-16”并使其成为大端。只要BOM与数据一致,用什么样的机器写入或读取都无所谓。
...如果没有 BOM 怎么办?
这是事情变得有点模糊的地方。
一方面,Unicode RFC 2781和 Unicode FAQ 很清楚。他们说一个既不以0xFF 0xFE
也不以0xFE 0xFF
开头的“UTF-16”格式的文件是interpreted as big endian。 :
the unmarked form uses big-endian byte serialization by default, but may include a byte order mark at the beginning to indicate the actual byte serialization used.
但要知道您是否有 UTF-16-LE、UTF-16-BE 或没有 BOM 的 UTF-16 文件……您需要文件外部的元数据来告诉您它是三者中的哪一个。因为并不总是有地方放置这些数据,所以一些程序最终使用启发式方法。
考虑像 this from Raymond Chen (2007) 这样的东西:
You might decide that programs that generate UTF-16 files without a BOM are broken, but that doesn't mean that they don't exist. For example,
cmd /u /c dir >results.txt
This generates a UTF-16LE file without a BOM.
这是一个有效的 UTF-16LE 文件,但是“UTF-16LE”元标签存储在哪里?有人仅通过称其为 UTF-16 文件而忽略它的可能性有多大?
根据经验,有关于该术语的警告。维基百科 page for UTF-16说:
If the BOM is missing, RFC 2781 says that big-endian encoding should be assumed. (In practice, due to Windows using little-endian order by default, many applications similarly assume little-endian encoding by default.)
"UTF-16" and "UTF-32" encoding names are imprecise: depending of the context, format or protocol, it means UTF-16 and UTF-32 with BOM markers, or UTF-16 and UTF-32 in the host endian without BOM. On Windows, "UTF-16" usually means UTF-16-LE.
此外,Byte-Order-Mark Wikipedia article说:
Clause D98 of conformance (section 3.10) of the Unicode standard states, "The UTF-16 encoding scheme may or may not begin with a BOM. However, when there is no BOM, and in the absence of a higher-level protocol, the byte order of the UTF-16 encoding scheme is big-endian."
Whether or not a higher-level protocol is in force is open to interpretation. Files local to a computer for which the native byte ordering is little-endian, for example, might be argued to be encoded as UTF-16LE implicitly. Therefore, the presumption of big-endian is widely ignored.
When those same files are accessible on the Internet, on the other hand, no such presumption can be made. Searching for 16-bit characters in the ASCII range or just the space character (U+0020) is a method of determining the UTF-16 byte order.
因此,尽管标准没有歧义,但上下文在实践中可能很重要。
正如@rici 指出的那样,该标准已经存在一段时间了。尽管如此,对声称为“UTF-16”的文件进行复查还是值得的。或者甚至考虑是否要避免很多这些问题并采用 UTF-8...
关于c - 在UTF-16、UTF-16BE、UTF-16LE中,UTF-16的字节序是计算机的字节顺序吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36550038/
我需要将文本放在 中在一个 Div 中,在另一个 Div 中,在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html,头部, body 。(因为我收到了一些反对票,这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中,但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中,我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序,并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的,但一旦知道,就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序,它存储了一些音乐轨道,并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况,我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目,我正在尝试设置 Django 调试工具栏。首先,我尝试了快速设置,它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个,当我转到我的根 URL 时,调试
在 Matlab 中,如果我有一个函数 f,例如签名是 f(a,b,c),我可以创建一个只有一个变量 b 的函数,它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道,是否有关于何时使用 session 和 cookie 的指南或最佳实践? 什么应该和什么不应该存储在其中?谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵,我想用它制作一个 3 维条形图,其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列,条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在, sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中,因为 PStr 包含实际输出。? 既然Pstr中存储的是小写到大写的字母,那么在printf中如何将其给出为“WORD”。有人可以吗?解释一下? #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀!