需要通过UTF等对Unicode字符进行编码吗？为什么可以'；我们不能简单地将它们存储为二进制代码点吗？

Unicode只需为每个字符分配一个整数。UTF-8或其他用于将这些整数（“代码点”）编码为存储在内存中的字节序列。我的问题是，为什么我们不能简单地将字符存储为其Unicode值的二进制表示形式（“代码点”）？因此，有些语言具有需要多个字节来表示的字符。将它们存储为二进制代码点不是更容易吗？

是的，我们可以，这就是UTF-32

问题是UTF-32浪费了很多空间。如果文本包含大量的欧洲/希伯来语/阿拉伯语文本，使用UTF-8，每个代码点只需要1到2个字节，但使用UTF-32，每个代码点需要4个字节

---

如果我们将整数值存储为可变大小，例如0~255使用1个字节，256~65535使用2个字节等，我们将遇到歧义问题，例如

5a

应表示“ZZ”或婚"? 基本上，解决方案就是我们所说的UTF-8——我们使用一些特殊的位来指示字节序列的长度，以给出唯一的解码结果。

首先，有一种方法可以将它们存储为原始码点。这就是UTF-32或UCS-4。每个字符将始终是四个字节，并且存储每个未修改的码点

但是，使用UTF-8等其他设备的原因包括：

• ASCII兼容性：只包含U+0000-U+007f的文件根本不需要更改
• 大小效率：UTF-8通常以更小的文件结束

---

如何准确地保存这些代码点？有些代码点可以放入一个字节，有些需要3个字节。每个代码点使用4个字节吗？当您查看字节流时，您如何知道一个代码点在哪里结束，另一个代码点在哪里开始？UTF-8（和其他编码）为您提供了答案。

我不理解您所说的“字节流”他们的二进制代码点"? 这不正是已经发生的事情吗？代码点的确切二进制总是需要4个字节，但如果我没有弄错的话，UTF-8或UTF-16中不会发生这种情况。某些字符的编码长度小于4字节。我的意思正是他们的二进制代码。抱歉搞混了，谢谢。但有一件事我不明白，有些字符有什么特别之处，它们只能容纳1或2个字节，而有些字符需要更多字节？谢谢。但有一件事我不明白，有些字符有什么特别之处，它们只能容纳1或2个字节，而有些字符需要更多的字节？@Daud：这些字符使用得更频繁。谢谢。我想我终于明白了。某些语言需要超过1个字节，因为它们的字符集超过256个字符。谢谢你的坚持。@Daud:不。你仍然认为Unicode是某种“代码页”。@Daud:不。你仍然认为Unicode是某种依赖于语言的“代码页”，这是不正确的。Unicode可以代表这个星球上几乎所有的字符。有些Unicode编码中，某些语言比其他语言需要更少的磁盘存储空间。如果只处理英文文本，UTF-8可能是最好的编码，因为大多数字符只需要1个字节编码。在多语言环境中，UTF-16可能更有效。在中文文本中，GB18030可能是另一种选择，它与UTF-8相当，但针对汉字进行了优化。