正规编码则显得割鸡用牛刀。32位编码不只要比16位编码占用

多一倍的记忆或储存空间，而且在网络传输和信息处理上也需花费

比较长的时间。就经济效益而言，将来计算机和网络选择使用Unicode

的可能性，很明显地要高于选择使用32位的ISO10646正规编码。

问题是，在Unicode的世界里，遇到必须使用646第1、第2字面甚至

更后方字面的字符时，怎么办？Unicode协会提出的解决方式称为

UTF-16或代理法（surrogates）。 UTF为“a UCS（or Unicode）

Transformation Format”的缩写，UTF-16意即把原为32位的

ISO10646字符码转换为2或多个16位的Unicode。目前的作法是组

合两个Unicode字符码来代表一个ISO10646字符，如【图二】所示，

所以又称为代表法。两个做为代表的Unicode，位于前方（左方）

者称为高半字符，限定只能选用D800～DBFFh当中之一，位于后方

（右方）者称为低半字符，限制只可从DC00～DFFFh当中选择。高

低半字符的编码位置各为1,024＝4×256，因此UTF-16总计可提供

（4×256）×（4×256）＝16×65536个编码位置，亦即16个字面。

对BMP而言，当然无需使用UTF-16转码，所以UTF-16主要应用于

ISO10646的第1～第14字面（因为第15字面为专用字面，WG2不予编

码）。将ISO10646字符（编码范围0001-0000～000E-FFFFh）以

UFT-16转换成Unicode组合形式的规则，如【图三】所示，图中为了

方便对应16进制，特别将字符码表现成每4个位一组，中间以短杠

分隔。转换方式不难，将原来的32位ISO10646字符码，从右往左

取出10个位（即图中的Y10～Y1）前头附加上特定的6个位110111，

即成为低半字符。接着往左取出6个位（即图中的Y16～Y11）做为

高半字符的最低6个位，然后再往左取出4个位（即图中的Z4～Z1，

相当于Y20～Y17，其值可显示第0～第15字面），将其值减1，置于刚

才那6个位的左方，最后在最前方附加上特定的6个位110110，即

成为高半字符。以上所介绍的是UTF-16转换的观念，至于UTF-16的转

换公式和还原公式，请详见ISO10646标准或Unicode标准。

请特别注意，UTF-16系针对Unicode世界所设计的。也就是说，当

因特网和大部分的计算机都已经采用Unicode了，UTF-16才可用来表

现ISO10646第1～第14字面的字符码。很不幸的事实并非如此，现在

是ASCII世界而非Unicode世界。当某一个Unicode离开温室（某个以

Unicode为内码的操作系统或应用程序）之后，马上会被网络设备切

成两个8位的字节，并严密检查是否有任何字节为C0句柄，

至少数千个Unicoe将因此变得残缺不全。为了能让Unicode和ISO10646

字符码能安然通行于ASCII世界，Unicode协会特别提出UTF-8以解决

问题。UTF-8意即把原为32位的ISO10元码或原为16位的Unicode

转换为多个8位的字节。

利用UTF-8转码规则可将一个Unicode或ISO10646字符码转换成1～4

个字节的编码，如【图四】所示。UTF-8的转换规则很简单：若原始

字符码位于0000～007Fh（或0000-0000～0000-007Fh）的范围内，则

直接截取最右8个位即可，转换结果其实就是ASCII码。若原始字符

码大于007Fh（或0000-007Fh），亦即超出ASCII范围时，就必须转换

成2～4个字节。UTF-8规定，以转换后第1字节起头连续设为“1”

的标记位的数目表示转换成几个字节：110表示转换结果为2个位

元组，1110表示3个字节，而11110则表示4个字节。至于跟随在标

记位之后设为0的位，其在分隔标记位和字符码位。第2～第4

字节起头两个位被设为10当做识别，剩下的6个位才做为字符码

位使用。总计，2字节UTF-8码剩下11个字符码位，可用以转换

0080～07FFh的原始字符码。3字节剩下16个字符码位，可用以转换

0800～FFFFh的原始字符码。而4字节则剩下21个字符码位，可用来

转换0001-0000～001F-FFFh（即ISO10646第1～第31字面）的原始字

元码。请注意，虽然4个字节的UTF-8编码可包容1～3个字节的码，

3个字节的编码可包容1～2个字节的码，以及2个字节的编码可包

容1个字节的码，但是UTF-8规定转码时必须选择最短者。换言之，

ASCCI区只能转换成单一位，0080～07FFh的原始字符码只能转换成2

个位组长度，依此类推。