Notepad中的Unicode文件

Question

当我在记事本中将文本文件保存为“Unicode”时，这意味着什么？它是Utf-8、Utf-16还是Utf-32？谢谢。

- FSm

---

可能是UTF-8，因为它是最常见的。 - Linuxios

@ Linuxios，但是在记事本中保存文件有另一个选择叫做 Utf-8!! 怎么会重复了呢？ - FSm

可能是重复的问题：Java中类似于Windows记事本“Unicode编码”的等效物是什么？ - Esailija

Answer 1

在Notepad中，“Unicode”作为编码名称表示UTF-16 Little Endian（UTF-16LE），这与Windows软件一般采用的方式相同。（起初我认为它不是真正的UTF-16，因为Notepad++将其识别为UCS-2并显示为垃圾字符，但通过再次使用BabelPad进行检查，我得出结论：Notepad甚至可以正确编码非BMP字符。）

同样，“Unicode big endian”表示UTF-16 Big Endian。而“ANSI”表示系统的本地遗留编码，例如Windows西方版本中的8位windows-1252编码。

- Jukka K. Korpela

---

@ Jukka K. Korpela... 哪个能覆盖更多的字符？Unicode 还是 UTF-8？ - FSm

UTF-16和UTF-8涵盖完全相同的字符；它们只是Unicode的两种传输编码方式。Windows之所以使用“Unicode”一词来表示UTF-16，仅是因为其在内部使用UTF-16来处理Unicode。 - Jukka K. Korpela

每个UTF都可以编码Unicode的所有字符。 - melpomene

@ Jukka K. Korpela，我正在处理一种名为库尔德语的印欧语言。为了进行良好的文本处理，我应该保存哪种Unicode格式的文件？Unicode和UTF-8是相同的吗？ - FSm

@Qaesar，任何合理的文本处理软件都可以读取UTF-16（Windows“Unicode”）和UTF-8，并在需要时转换为其内部表示。如果您编写自己的程序代码，只需从库中选择适当的输入读取例程即可。因此，这并不是很重要。Windows软件内部使用UTF-16。但对于网页，应使用UTF-8（浏览器和搜索引擎对UTF-16的支持较差）。 - Jukka K. Korpela

utf8everywhere.org概括了所有内容。不幸的是，记事本默认会做错误的事情。但是，您可以在保存时选择正确的选项来保存标准的UTF-8文件。 - Pavel Radzivilovsky

Answer 2

所有这些格式都是“Unicode”。但通常在Mac和Windows上使用的编辑器指的是UTF-8，因为它在代码128以下与ASCII兼容。UTF-8可以表示比256个代码更多的代码（适合8位单字节），通过使用特殊字符，该字符意味着下一个字节也属于同一字符。

如果您在终端中查看输出，例如使用vi，并且如果您在每两个字符之间看到一个空格，则表示您正在查看UTF-16，因为那里每两个字节组成一个字符。您应该看到的是字符之间没有空格，这是UTF-8的指示。

- Cocoanetics

---

@ Cocoanetics，如果编辑们的意思是UTF-8，那么为什么记事本保存文件时还有另一个名为UTF-8的选项？ - FSm

...因为Windows很奇怪。当Windows开始涉足Unicode时，它们首先采用了UTF16（请参见其他答案），并将其称为“Unicode”。然而，随着时间的推移，UTF8开始在各个领域被广泛使用，并成为事实上的标准。 - Cocoanetics