Çfarë Është Utf-8

Ndërsa më shumë gjuhë filluan të përdoreshin në kompjuterë, bota kishte nevojë të përfaqësonte më shumë karaktere teksti se sa lejonte ASCII (1 bajt lejonte vetëm 256 karaktere).

utf-8 u prezantua me një gjatësi të ndryshueshme prej 1-4 bajtësh, duke rritur ndjeshëm gamën e karaktereve të mundshme.

Një avantazh i karaktereve me përmasa të ndryshueshme është se teksti nuk ka bajte të panevojshme për karakteret shumë të zakonshme ASCII (që kërkojnë prapëseprapë vetëm 1 bajt në utf-8).

Një disavantazh i karaktereve me përmasa të ndryshueshme është se kërkimi i karaktereve nuk mund të bëhet më shpejt (në kohë konstante O(1)) me indeksim të thjeshtë (p.sh. my_text[3] për të marrë karakterin e 4-t). Është e mundur që karakteret paraardhëse të kenë gjerësi të ndryshme, duke ndryshuar aty ku fillon në të vërtetë karakteri i 4-t brenda sekuencës së bajtëve.

Në vend të kësaj duhet të iterojmë nëpër një sekuencë bajtësh utf-8 për të kuptuar ku fillojnë në të vërtetë karakteret Unicode (në kohë lineare O(n)).

Ferris: "Kryesisht jam thjesht i lumtur që kam utf-8 për të përfaqësuar emojet e miqve të mi nënujorë."

🐠🐙🐟🐬🐋