何謂UTF-8、UTF-16及UTF-32

繼上一篇文章「Big5碼與Unicode碼之差異性」之後，在留言的部份子靖尋問到，何謂「UTF-8」，所以在本篇中，也將以淺顯易懂的方式來向各位說明。

「何謂UTF-8、UTF-16及UTF-32」

什麼是UTF-8？其實在Wiki中有寫到，UTF是Unicode Transformation Format的縮寫，如就字面上翻譯的話是「Unicode轉換格式」。而數字8則表示是用八個位元所組成的編碼，16就表示用十六個位元組成。如用簡單點的方式來說明這幾種格式的話，UTF-8、UTF-16及UTF-32都是用來表示Unicode的一種儲存格式。

「儲存格式」

在上述Wiki的文章內有提到，UTF-8是一種可變長度的編碼，為什麼說是可變長度，下列我將用一張表格來進行介紹UTF格式在不同編碼規則中所需的儲存大小。因Unicode所包含的範圍實在太廣，所以還是以中文的範圍進行說明。

基本上UTF-8不管在哪一個範圍，都會有長度上的變動，或許有人會問到，那儲存成UTF-8或UTF-16有什麼差別呢？下面將做一個簡單的示範來說明差異性，在純文字檔案格式內，儲存一百個相同字型並屬於Unicode Extension A的範圍，儲存成UTF-8及16格式，如下圖所示，UTF-8及16的header分別為3 byte及2 byte，所以兩者果然差了100 byte。

「BE、LE、BOM？！」

本以為沒人會看，所以想偷懶一下，既然有人問到了，就順便把它加進文章來，BE是Big-Endian的縮寫，而LE是Little-Endian的縮寫，這兩個縮寫代表什麼意思呢？以下我們將以「堃」為例，堃的unicode碼為5803，如將文件儲存成LE格式的話則會顯示「03 58」，也就是預設Windows的儲存格式，如存成BE則為「58 03」，像IBM、HP大型主機的格式。

BOM是byte-order mark的縮寫，中文叫「位元組順序記號」，想知道詳細的部份，可以參考Wiki，簡單說的話呢，BOM就是用來表示文件是儲存成何種Unicode格式的，因為UTF-8沒有順序的問題，所以我將就UTF-16做說明，如將文件儲存成UTF-16 (LE有BOM)時，並用二進位編輯器開啟時，會看到前會帶了「FE FF」的記號，而無BOM格式，就是將前端的記號拿掉，而這功能主要是用在傳輸時判斷來源檔案格式用的。

「效能」

可能有人會想做這種測試有什麼意義呢？如果我們把數千億筆的資料放到database裡可就有很大的差別了，同時也出現另一個問題，由於UTF-8是可變長度，所以「有可能」會使用較少的儲存空間，但也是因為為可變長度，所以資料庫的效能也較UTF-16及UTF-32來的差。

「murmur」

在寫完這篇文章後的不久，hugo也要離開目前所就職的公司，一切相關的知識都是從這裡開始，也從來沒想過有天會打滾在各種語系編碼當中，最後我還是要感謝一下教授我各種唬爛專業知識的ya老闆。最後如果您對於此文章有任何的問題及指教，都歡迎留言給我。