UTF-8: 두 판 사이의 차이

 

'''UTF-8'''은 [[유니코드]]를 위한 가변 길이 [[문자 인코딩]] 방식 중 하나로, [[켄 톰프슨]]과 [[롭 파이크]]가 만들었다. 본래는 '''FSS-UTF'''(File System Safe UCS/Unicode Transformation Format)라는 이름으로 제안되었다.

 

== 구조 ==

UTF-8은 여러 표준 문서에서 다른 방법으로 정의되어 있지만, 일반적인 구조는 모두 동일하다.

 

 

== 변형된 UTF-8 ==

[[자바 (프로그래밍 언어)|자바]]는 내부적으로 문자열을 [[UTF-16]] 인코딩으로 저장하며, 문자열 직렬화를 위하여 UTF-8을 변형하여 사용하고 있다. 이를 [http://java.sun.com/j2se/1.5.0/docs/api/java/io/DataInput.html#modified-utf-8 변형된 UTF-8]이라 부른다.

 

 

== UTF-8의 설계 원칙 ==

그 구조로부터, UTF-8이 다음과 같은 성질을 가지고 있다는 것을 알 수 있다.

 

 

== 오류 처리 ==

잘못된 입력이 들어 왔을 때 UTF-8 디코더가 해야 할 동작은 표준들에 일정하게 정의되어 있지 않다. 일반적으로 이러한 경우에 디코더가 취할 수 있는 동작은 다음과 같을 수 있다.

 

 

== 장점과 단점 ==

=== 일반적으로 ===

* '''장점'''

* '''단점'''

** 나쁘게 만들어진(그리고 현재 표준을 따르지 않는) UTF-8 파서는 서로 다른 가짜 UTF-8 표현(예를 들어서 너무 긴 형식)을 같은 유니코드 문자열로 해석할 수 있다.

=== 기존의 인코딩들과 비교했을 때 ===

* '''장점'''

** 대부분의 UTF-8 문자열은 일반적으로 적당한 기존 인코딩으로 표현한 문자열보다 더 크다. 판독 기호를 사용하는 대부분의 라틴 알파벳 문자는 적어도 2바이트를 사용하며, 한중일 문자들과 표의 문자들은 적어도 3바이트를 사용한다.

** 한중일 문자들과 표의 문자를 제외한 거의 모든 기존 인코딩들은 한 문자에 1바이트를 사용하므로 문자열 처리가 간편한 반면, UTF-8은 그렇지 않다.

=== [[UTF-7]]과 비교했을 때 ===

* '''장점'''