x86 - 进程内存中的 Unicode 字符串

Question

在处理内存中的 unicode 字符串时，最首选的格式是什么？为什么？

我正在通过为其生成可执行文件镜像来实现一种编程语言。显然，一个有效的编程语言实现需要一个处理字符串的协议(protocol)。

我考虑过使用动态数组作为字符串的基础，因为它们实现起来非常简单，并且对于短字符串非常有效。以这种方式使用字符串时，我只是不知道字符的最佳可能格式。

Answer 1

UTF16 是使用最广泛的格式。

UTF16的优势|超过 UTF8是这样的，尽管不那么紧凑，但每个字符都有 2 字节(16 位)的恒定大小 - 只要您不使用代理项(当坚持使用 2 字节字符时，编码称为 UCS-2 )。

在 UTF8 中，只有一小部分字符编码为 1 个字节，其他字符则为 4 个字节。这使得字符处理不那么直接并且更容易出错。

当然首选使用 Unicode，因为它可以处理国际字符。