UTF-16
Sign in to saveAlso known as 16-bit Unicode Transformation Format, Unicode Transformation Format – 16-bit, Unicode Transformation Format - 16-bit, UTF16, UTF_16
UTF-16 (16-bit Unicode Transformation Format) is a character encoding that supports all 1,112,064 valid code points of Unicode. The encoding is variable-length as code points are encoded with one or two code units. UTF-16 arose from an earlier obsolete fixed-width 16-bit encoding now known as UCS-2 (for 2-byte Universal Character Set), once it became clear that more than 216 (65,536) code points were needed, including most emoji and important CJK characters such as for personal and place names.
Key facts
- Character encoding.name
- UTF-16
- Character encoding.mime
- • text/plain;charset=UTF-16• text/plain; charset=utf-16le• text/plain; charset=utf-16be
- Character encoding.image
- UTF-16 encoding.svg
- Character encoding.caption
- Example of Unicode character encoding through UTF-16
- Character encoding.standard
- Unicode Standard
- Character encoding.classification
- Unicode Transformation Format, variable-width encoding
- Character encoding.lang
- International
- Character encoding.encodes
- ISO/IEC 10646 (Unicode)
- Character encoding.extends
- UCS-2
via Wikipedia infobox
Described at
Link to a page describing this subject · 9,349 chars · not written by Vinony
Wikidata facts
- Follows
- UCS-2
Show 5 more facts
- Stack Exchange tag
- stackoverflow.com/tags/utf-16
- different from
- Unicode
- data size
- 16
- Commons category
- UTF-16
Sources (1)
via Wikidata · CC0
Article · Nederlands
UTF-16, 16-bit Unicode Transformation Format, is een tekencodering met een variabele lengte, die de gehele Unicode-tekenset ondersteunt. De codeerstandaard zet karakters om vanuit een Unicode-codepoint naar een reeks van 16-bitwoorden. Karakters uit het Basic Multilingual Plane (BMP) kunnen worden omgezet naar één woord van 16 bits. De karakters daarboven worden omgezet in twee woorden (een zogenoemd surrogaatpaar). Alle codepoints van U+0000 tot en met U+10FFFF (behalve de oneigenlijke codepoints U+D800–U+DFFF en codepoints voor toekomstig gebruik) kunnen worden omgezet naar UTF-16. Omdat veel computers rekenen in eenheden van bytes, zijn er drie gerelateerde encoding-schema's: UTF-16, UTF-16BE en UTF-16LE. Ze verschillen alleen in de byte order (bytevolgorde) om een 16-bit-eenheid voor te stellen. Alle schema's resulteren in óf een 2- óf een 4-bytereeks voor een karakter. UTF-16 is officieel gedefinieerd in bijlage Q van de internationale standaard -1. Het staat ook beschreven in de Unicode-standaard, versie 3.0 en hoger, alsmede in RFC 2781 van IETF. UCS-2 (2-byte ) is een incourante manier om karakters te coderen. UCS-2 is een voorloper van UTF-16. De UCS-2-standaard is bijna identiek aan UTF-16, behalve dat het geen surrogaatparen ondersteunt en daarom alleen de karakters in het BMP-bereik (van U+0000 t/m U+FFFF) kan coderen. De consequentie van deze vaste-lengtecodering is dat elk karakter een 16-bitwaarde voorstelt. UTF-16 kent drie gerelateerde codeerschema's (UCS-2, UCS-2BE, UCS-2LE) die alle karakters kunnen opleveren in een specifieke bytevolgorde. Vanwege de technische verwantschap en opwaartse compatibiliteit van UCS-2 naar UTF-16 worden de twee standaarden vaak foutief door elkaar gehaald en uitwisselbaar genoemd. Dat wil zeggen, er wordt gezegd dat tekenreeksen die zijn gecodeerd in UTF-16 soms foutief als UCS-2 worden herkend. Voor zowel UTF-16 als UCS-2 geldt dat alle 65.536 codepoints in BMP (vlak 0), met uitzondering van de 2048 speciale tekens, overeenkomen met dezelfde gecodeerde waardes. Dus codepoint U+0000 is gecodeerd als nummer 0 en U+FFFF is gecodeerd als 65.535 (dat is FFFF16 in hexadecimaal).
Abstract from DBpedia / Wikipedia · CC BY-SA