java - UTF-8 和 UTF-16 之间有很大的区别吗

Question

我调用一个 web 服务，它返回一个具有 UTF-8 编码的响应 xml。我在 java 中使用 getAllHeaders() 方法检查了这一点。

现在，在我的 Java 代码中，我接受该响应，然后对其进行一些处理。稍后，将其传递给不同的服务。

现在，我用谷歌搜索了一下，发现默认情况下，Java 中字符串的编码是 UTF-16。

在我的响应 xml 中，其中一个元素有一个字符 É。现在，我对其他服务提出的后处理请求搞砸了。

它没有发送 É，而是发送了一些乱码。现在我想知道，这两种编码真的会有很大的不同吗？如果我想知道 É 会将什么从 UTF-8 转换为 UTF-16，我该怎么做？

Answer 1

UTF-8 和 UTF-16 都是变长编码。但是，在 UTF-8 中，一个字符可能至少占用 8 位，而在 UTF-16 中，字符长度从 16 位开始。

UTF-8 的主要优点:

1. 基本的 ASCII 字符，如数字、拉丁字符重音符等占一个字节，与 US-ASCII 相同表示。这样所有的 US-ASCII 字符串都变成有效的 UTF-8，在许多情况下提供良好的向后兼容性。
2. 没有空字节，允许使用以空结尾的字符串，这还引入了大量的向后兼容性。

UTF-8 的主要缺点:

1. 许多常用字符的长度不同，这会减慢索引速度并非常糟糕地计算字符串长度。

UTF-16 的主要优点:

1. 最合理的字符，例如拉丁文、西里尔文、中文、日文可以用2个字节表示。除非真的有异国情调的角色需要，这意味着 UTF-16 的 16 位子集可以用作固定长度编码，可加快索引速度。

UTF-16 的主要缺点:

1. US-ASCII 字符串中有很多空字节，这意味着没有以 null 结尾的字符串和大量浪费的内存。

一般来说，UTF-16 通常更适合内存中表示，而 UTF-8 非常适合文本文件和网络协议(protocol)