unicode编码有几个版本，utf-8,utf-16和他是什么关系？

[cdhit]

同上

[cdhit]

还有问一下文本的编码问题，
在什么情况下才能确定两个.txt文本是一摸一样的。
譬如说用UltraEdit打开两个文本，“切换成十六进制编码模式”，如果在这时观察到的
十六进制值一摸一样的话，是不是可以认为这两个文本是完全相同文本。
我用一个unicode到gb的转码程序对这两个文本进行操作（十六进制值一摸一样），
但是得到的结果却不相同，一个能正确的转，另一个不能，结果是乱码。

[myheartgon]

unicode编码是一种编码标准，utf-8，utf-16应该是它的具体实现方法！

[ddmor]

我这里先不讨论他们之间编码的具体细节，简单说一下：
unicode和utf-8之间最大的区别就是在存储上。unicode是宽字符存储（字符都是2个字节或4个字节来存储），而utf-8是多字节存储，字符的个数是不确定的（比如英文字符是1个字节表示，汉字可以是2个到6个来表示），其字符的首字节的前几位表明了它的字节个数。比如某个3字节汉字的uft－8编码（二进制）如下：
1110xxxx 10xxxxxx 10xxxxxx
首字节中1的个数为3表明该汉字用3个字节来表示。

[ddmor]

UCS 和 Unicode 只是分配整数给字符的编码表，而Utf8和Utf16则是具体的编码实现。

[ddmor]

UTF－> UCS Transformation Format

[ylgm44]

utf-16固定使用两个字节表示一个字符，平常所说的unicode编码就是utf-16的。utf-8同ddmor所述。

[fiftymetre]

Unicode定义了两种编码格式：UTF-8和UTF-16。UTF-8编码与ASCII向后兼容。任何合法的ASCII编码都会自动成为合法的UTF-8编码，使得将现有的ASCII数据库转换为Unicode数据库非常容易。UTF-8使用一个码点值来生成一个分布到一到四个字节上的位模式。

给定字符的UTF-8编码中的每个字节都被称为一个编码单元。标准ASCII字符集中字符的码点使用0x00到0x7F范围内的单一编码单元进行编码。大多数非亚洲文字用一个或两个编码单元（或字节）来表示每个字符。

在Unicode 3.1中，定义了大量新的增补字符，每个字符需要包含四个UTF-8编码单元。

第二种重要的编码格式是UTF-16，它使用了一个双字节的编码单元。最重要的是，UTF-16和ASCII一样简单，因为编码单元的值与0x0000到0xFFFF范围内的任意码点的码点值相同。对于该范围内的字符，UTF-16是固定长度的双字节编码。再回过来看一下我们前面涉及ghe的例子，你可以使用直接与该字符的码点对应的编码单元0x0490在UTF-16中表示它。


PS：好的网页设计师都知道:(

[ylgm44]

就是说，ascii字符在utf-8里面还是一样的，一个字节表示，超出ascii字符范围的，就用多字节表示，字节的数目由第一字节确定，最多6字节。如下：
utf-8：
1字节：0XXXXXXX（ascii）
2字节：110XXXXX 10XXXXXX
3字节：1110XXXX 10XXXXXX 10XXXXXX
4字节：11110XXX 10XXXXXX 10XXXXXX 10XXXXXX
5字节：。。。
utf-16：所有：XXXXXXXX XXXXXXXX
ascii：XXXXXXXX 00000000