Mitä Utf-8 On

Kun yhä useampia kieliä alettiin käyttää tietokoneilla, maailma tarvitsi tavan esittää enemmän tekstimerkkejä kuin ASCII salli (1 tavu salli vain 256 merkkiä).

utf-8 otettiin käyttöön vaihtelevalla 1-4 tavun pituudella, mikä kasvatti huomattavasti mahdollisten merkkien määrää.

Vaihtelevan kokoisten merkkien etu on, että tekstissä ei ole turhia tavuja hyvin yleisille ASCII-merkeille (jotka vaativat edelleen vain 1 tavun utf-8:ssa).

Vaihtelevan kokoisten merkkien haittapuoli on, että merkin hakua ei voida enää tehdä nopeasti (vakioajassa O(1)) yksinkertaisella indeksoinnilla (esim. my_text[3] saadaksesi 4. merkin). On mahdollista, että edeltävillä merkeillä on vaihtelevat leveydet, mikä muuttaa sitä, mistä 4. merkki oikeasti alkaa tavusekvenssissä.

Sen sijaan meidän täytyy iteroida utf-8-tavusekvenssin läpi ymmärtääksemme, mistä Unicode-merkit oikeasti alkavat (lineaarisessa ajassa O(n)).

Ferris: "Olen enimmäkseen vain iloinen siitä, että minulla on utf-8 vedenalaisten ystävieni emojien esittämiseen."

🐠🐙🐟🐬🐋