Encoding 我们需要多少字节来存储一个阿拉伯字符

对于表示阿拉伯字符所需的存储空间，我有点困惑

如果这是真的，请告诉我：

• 在ISO/IEC 8859-6编码中，需要2个字节(http://en.wikipedia.org/wiki/ISO/IEC_8859-6)
• 在UNICODE中，它需要4个字节(http://en.wikipedia.org/wiki/Arabic_Unicode)

---

每种编码的优点是什么？什么时候我们应该选择一种而不是另一种？

有几种不同的unicode编码，使用的空间大小取决于您使用的编码：

首先，unicode不是一种编码。它是为每种语言中的每个字符指定代码点的标准。这些代码点是整数；它们占用多少字节取决于特定的编码。最常见的Unicode编码是UTF-8和UTF-16

总结如下：

• ISO 8859-6对每个阿拉伯字符使用1个字节，但不支持“阿拉伯表示形式”，也不支持ASCII以外的任何其他脚本中的字符
• UTF-8对每个阿拉伯字符使用2个字节，“阿拉伯表示形式”使用3个字节
• UTF-16对每个阿拉伯字符使用2个字节，包括“阿拉伯表示形式”

我将使用两个例子：“ح”（U+062D）和”ﻰ' （U+FEF0）。这些数字是十六进制代码，表示每个字符的Unicode代码点

在ISO 8859-6中，大多数阿拉伯字符只占用一个字节，因为该编码专用于阿拉伯语。例如，字符“ح”（U+062D）被编码为单字节“CD”，您可以从上表中看到。角色的ﻰ' （U+FEF0）被列为“阿拉伯语表示形式”，所以我想这就解释了为什么它根本没有出现在ISO 8859-6中（你不能用这种编码方式对这个字符进行编码）

有两种非常常见的Unicode编码，可以对所有字符进行编码：和。它们的用途略有不同。UTF-8使用一个字节表示ASCII字符，2到3个字节表示基本字符（包括所有阿拉伯语），4个字节表示其他字符。UTF-16使用两个字节作为基本字符，使用4个字节作为其他字符。因此，基本上，如果您使用大量ASCII，UTF-8更好。对于国际文本，UTF-16更好

在UTF-8中，“ح”（U+062D）被编码为2字节序列“D8AD”，而ﻰ' （U+FEF0）编码为3字节序列“EF BB B0”。基本上，U+0080和U+07FF之间的字符使用2个字节，U+07FF和U+FFFF之间的字符使用3个字节。因此，所有基本阿拉伯语和阿拉伯语补充字符使用2字节，而阿拉伯语表示形式使用3字节

在UTF-16中，“ح”（U+062D）被编码为2字节序列“2D 06”，而ﻰ' （U+FEF0）被编码为2字节序列“F0-FE”。在UTF-16中，所有阿拉伯字符都是两个字节。endianness使这一点更加复杂。注意，UTF-16中的字节只是两部分交换的代码点。同样有效的编码是第一个为“062D”，第二个为“FE F0”

---

总之，我通常会推荐UTF-8，因为它是明确的，并且非常支持ASCII文本。阿拉伯字符在两种编码中都是2字节（除非使用“表示形式”）。如果您只使用ASCII和阿拉伯语字符，而不使用其他字符，则可以使用ISO 8859-6，这将节省一些空间，但通常不值得，因为一旦出现其他字符，它就会中断。UTF-8和UTF-16支持Unicode中的所有字符。

只要您始终指定使用哪一个字符，这两个字符都可以。必读：新文本中不应使用表示形式，渲染引擎应注意显示适当的位置形状。这个答案很好。谢谢