UTF-8和ISO-8859-1之间有什么区别？
8个回答
397
UTF-8是一种多字节编码，可以表示任何Unicode字符。ISO 8859-1是一种单字节编码，可以表示前256个Unicode字符。两者以完全相同的方式对ASCII进行编码。
- Ignacio Vazquez-Abrams
6
22需要注意的一点是，ASCII 只扩展到 0 到 127。最高位始终为 0。 - Hritik
3当定义了超过127的代码点时，编码系统是扩展ASCII的一个版本。 - Rohan Bhale
7@RohanBhale 不要使用“扩展ASCII”这个词组，它只会引起混淆。 - Mr Lister
1但是扩展ASCII可能是正确的术语。我在多个资源上都读到了这一点。 - Rohan Bhale
我总是听到它被称为“高ASCII”。 - user5311618
在过去30多年的MsDos、Windows、*nix和互联网中，我从未听说过“高”ASCII。它一直被称为“扩展ASCII”。 - StingyJack
160
- StaxMan
2
@mu 或许我的陈述有歧义，但并不是不正确的——我所说的并不是编码字节序列，而是字符集被编码；这意味着 ISO-8859-1 用于编码 Unicode 字符集的前 256 个代码点。 - StaxMan
1你的澄清对我有帮助，“模棱两可”可能比“不正确”更合适。 - mu is too short
120
UTF
UTF 是一系列多字节编码方案，可以表示 Unicode 代码点，这些代码点可以代表高达 2^31 [大约 20 亿] 个字符。 UTF-8 是一种灵活的编码系统，使用 1 到 4 个字节来表示前 2^21 [大约 200 万] 个代码点。
简而言之，在 7-bit-safe ASCII 字符以下的任何具有代码点/序数表示的字符都由相同的 1 字节序列表示，与大多数其他单字节编码一样。 带有代码点超过 127 的任何字符都由两个或更多字节的序列表示，其中编码的细节最好在此处解释。
ISO-8859
ISO-8859 是一系列单字节编码方案，用于表示可在 127 到 255 范围内表示的字母表。 这些各种字母表被定义为 "部分"，格式为 ISO-8859-n，其中最熟悉的可能是 ISO-8859-1，也称为 'Latin-1'。 与UTF-8一样，7-bit-safe ASCII 在使用任何编码系列时都不受影响。
这种编码方案的缺点是无法容纳由超过128个符号组成的语言，或者安全地显示多个符号系列。 此外，随着 UTF 的崛起，ISO-8859 编码已经不再流行。 管理它的 ISO "工作组" 已于2004年解散，将维护工作交给其上级子委员会。
Windows代码页
值得一提的是，微软还维护着一组字符编码，与 ISO-8859 有限制的兼容性，通常表示为“cp####”。微软似乎倾向于将最新产品发布转向使用 Unicode 的某种形式，但出于遗留或互操作性原因，您仍然可能会遇到这些编码。
例如，cp1252 是 ISO-8859-1 的超集，包含附加的可打印字符在 0x80-0x9F 范围内，特别是欧元符号 € 和备受诟病的“智能引号” “”。这经常导致不匹配，在8859-1下显示正常的情况下，可以作为1252显示正常，但是当其中一个额外符号出现时，就会出现问题。
除了cp1252之外，土耳其语的cp1254是ISO-8859-9的类似超集，但是所有其他Windows代码页都至少存在一些基本冲突，如果不是完全与它们的8859等效物不同。
- Sammitch
2
2回答问题并提供有关相关编码的信息会得到加分。关于UTF-8的代码点，根据https://dev59.com/HWkv5IYBdhLWcg3w9lei#38488358，UTF-8支持2^21个代码点。这是一个错误吗？还是需要进行修复？ - Tom Loredo
1Unicode实际上是由17个平面组成的，每个平面都有2^16个代码点。范围从0x00_0000到0x1F_FFFF。这17个平面可以容纳1,114,112个代码点。其中，2048个是代理项，66个是非字符，137468个保留供私人使用，剩下974530个用于公共分配，约为100万个。请参阅UTF-8可以编码多少个字符？。 - georgeawg
39
ASCII: 7位，128个编码点。
ISO-8859-1: 8位，256个编码点。
UTF-8: 8-32位（1-4字节），1,112,064个编码点。
ISO-8859-1和UTF-8都向后兼容ASCII，但是UTF-8不向后兼容ISO-8859-1:
#!/usr/bin/env python3
c = chr(0xa9)
print(c)
print(c.encode('utf-8'))
print(c.encode('iso-8859-1'))
输出：
©
b'\xc2\xa9'
b'\xa9'
- Cyker
27
ISO-8859-1是上世纪80年代的一种遗留标准。它只能表示256个字符，因此只适用于一些西方语言。即使对于许多支持的语言，也缺少一些字符。如果您使用这种编码创建文本文件并尝试复制/粘贴一些中文字符，则会看到奇怪的结果。换句话说，不要使用它。Unicode已经取代了ISO-8859-1成为全球通用的字符集，而UTF-8则是当今的标准，除非你有一些旧系统需要兼容(例如需要与所有东西兼容的HTTP头)。
- Shital Shah
4
1我曾经看到过Umlaut不应该用UTF8转换的情况。我们看到了这方面的例子，并在搜索中发现了ISO-8859-1，它似乎可以工作。我们与许多德国科学家合作。 - Aggie Jon of 87
5在utf8中，umlaut被表示为两个字符。它们可以成功转换并正常工作。问题出在那些期望每个字符只占用1个字节的程序上。对于这些遗留程序，ISO-8859-1提供了1个字节的umlaut。 - Erik Aronesty
2因此，换句话说，不要使用它。我不会这么说，因为有些情况下，ISO-8859-1比UTF-8更适合，因为单个字节和256个字符足以满足需求，从而实现更快的处理速度和更少的负载。 - AndreasRu
举个单字节编码更为适用的例子，短信消息有140字节的限制，主要使用单字节编码。如果你是一个发送自动化短信消息的企业，你不想为了不使用传统标准而将成本翻倍。 - Caleb McNevin
4
还有一件重要的事情需要意识到：如果你看到 iso-8859-1，它可能指的是 Windows-1252 而不是 ISO/IEC 8859-1。它们在 0x80-0x9F 的范围内有所不同，其中 ISO 8859-1 具有 C1 控制码，而 Windows-1252 则具有有用的可见字符。
例如，ISO 8859-1 将 0x85 视为控制字符（在 Unicode 中为 U+0085，“ ”），而 Windows-1252 则具有水平省略号（在 Unicode 中为 U+2026 水平省略号，“…”）。
WHATWG编码规范（HTML使用）明确声明iso-8859-1是windows-1252的标签，而且Web浏览器不以任何方式支持ISO 8859-1：HTML规范指出，编码规范中的所有编码必须得到支持，没有更多了。
此外，HTML数字字符引用基本上使用Windows-1252来表示8位值，而不是Unicode代码点；根据https://html.spec.whatwg.org/multipage/parsing.html#numeric-character-reference-end-state，…将产生U+2026而不是U+0085。
- Chris Morgan
1
抱歉！我本来写了那个，但在重写时不小心丢失了。现在我已经加上了。 - Chris Morgan
3
从另一个角度来看，由于它们中含有一个字节0xc0，因此unicode和ascii编码都无法读取的文件似乎可以被iso-8859-1正确读取。但是需要注意的是，该文件当然不能包含Unicode字符。
- Nikhil VJ
0
我研究这个问题的原因是从兼容性的角度考虑。Latin1字符集（iso-8859）可以完全兼容存储在utf8数据存储中。所有的ascii和扩展ascii字符都将被存储为单字节。
从utf8转换到Latin1字符集可能有效，也可能无效。如果有任何2字节字符（超出扩展ascii 255），它们将无法存储在Latin1数据存储中。
- Alan Jurgensen
4
2有帮助，但我认为在扩展ASCII 255中你的意思是127而不是255？ - user5066707
24Latin-1或iso-8859-1不能完全兼容存储在utf8中。127以上的任何Latin-n或iso-8859-n字符都无法翻译为一个单字节的utf-8字符。但是，对于值1-127，它们会被准确地翻译。 - Marlin Pierce
6这个回答在使用“扩展ASCII”这个术语时有点令人困惑，它只是指任何不是ASCII的字符编码的术语。UTF-8和Latin-1都是扩展ASCII编码的例子。但是，在UTF-8中，非ASCII Latin-1字符（即代码点大于127的字符）不能被编码为单个字节。 - rdb
在UTF-8编码中，2字节编码从128开始。然而，在两种编码中都有匹配的字符，因此可以进行ISO 8859-1 -> UTF-8 -> ISO 8859-1的无损转换，但如果UTF-8文档中有任何大于255的字符，则无法进行无损转换。 - silicontrip
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
- 相关问题
- 3 UTF-8和ISO-8859-1是什么字符编码规则？
- 153 UTF-8和UTF-16有什么区别？
- 238 Unicode和UTF-8有什么区别？
- 733 UTF-8和Unicode有什么区别？
- 4 UTF-8字符显示为ISO-8859-1
- 3 字符编码问题：UTF-8和ISO-8859-1
- 19 'coding=utf8'和'-*- coding: utf-8 -*-'有什么区别？
- 3 UTF8和UTF-8之间有什么区别？
- 1080 UTF-8 and UTF-8 with BOM are both character encoding schemes, but they have a slight difference. UTF-8 is a widely used encoding that represents characters using variable-length sequences of bytes. It does not include a Byte Order Mark (BOM) at the beginning of the file. On the other hand, UTF-8 with BOM includes a BOM, which is a specific sequence of bytes (0xEF, 0xBB, 0xBF) placed at the beginning of the file to indicate that it is encoded in UTF-8. The BOM can be useful for applications that need to detect the encoding of a file automatically. However, it is not always necessary and can sometimes cause issues, especially in certain programming languages or environments.
- 12 UTF-8和HTML实体有什么区别？