UTF-16

UTF-16 是一种以 16 位元（即两个字节）为单位对Unicode码点进行编码的方式。它能够覆盖整个 Unicode 范围，包括基本多语言平面（BMP）以及补充平面，因而在处理中文、日文、韩国等大量字符时不必像 UTF-8 那样使用多字节序列。相较于只能在 16 位元内部使用的 UCS-2，UTF-16 引入了代理对（surrogate pair）机制，使最高平面之外的码点得以用四个字节表示。由于其固定的两字节或四字节长度，在一些以 16 位元为基本单位的系统（如古老的 Java 或 Windows API）中读取和写入更为直接。可是，这也导致存储空间需求大约是 UTF-8 的两倍，尤其在以拉丁字母为主的文本中會浪费大量带宽。另一常见的问题是大小端（Big Endian／Little Endian）的选择，若不匹配会产生乱码。为解决这一问题，通常会在文件开头加入 BOM（Byte Order Mark）来指示字节序。总体而言，选择 UTF‑16 还是 UTF-8 应依据具体的应用场景、目标平台的兼容性以及对存储效率的要求来决定。