UTF-16 是 Unicode 的一种变长编码，编码单元是 16 位：基本多文种平面（BMP，U+0000–U+FFFF）用 2 个字节，辅助平面（U+10000–U+10FFFF，如多数 emoji）用一对代理项共 4 个字节。下面重点说明规则、原理与易错点。
UTF-16开发详解
BMP 码点直接存为 16 位。辅助平面码点 U：先减 0x10000，得到 20 位，前 10 位加 0xD800 作为高代理，后 10 位加 0xDC00 作为低代理。例如 😀 是 U+1F600 → D83D DE00（BE）。
- 不允许孤立的代理项
- UTF-16 不兼容 ASCII 的单字节形式（拉丁字母也占 2 字节）
- 文件开头的 BOM 用于识别端序；协议里更推荐明确写 UTF-16BE/LE
- 正则和 len() 在 JS/Java 里按代码单元计数，一个 emoji 长度是 2
示例
输入：你好，世界
编码结果：
UTF-16BE 4F 60 59 7D FF 0C 4E 16 75 4C；UTF-16LE 60 4F 7D 59 0C FF 16 4E 4C 75；带 BOM 的默认 UTF-16（本机/Python 为 LE）FF FE 60 4F 7D 59 0C FF 16 4E 4C 75说明：共 10 字节（不含 BOM）。BMP 字符 2 字节，辅助平面 4 字节（代理对）。
中文的处理
常用汉字“中”U+4E2D 的 UTF-16BE 是 4E 2D，LE 是 2D 4E。拼音、标点若在 BMP 同样是 2 字节。
特殊字符
BOM FE FF（BE）或 FF FE（LE）。零宽字符、emoji（如 😀 的 BE 为 D8 3D DE 00）占 4 字节。
本站的字符编码检测工具可以直接处理，计算在浏览器本地完成，适合快速核对结果。
常见问题
【如何区分 UTF-16BE 和 LE？】看 BOM：FE FF 是 BE，FF FE 是 LE；没有 BOM 时必须由协议声明。
【为什么 JavaScript 里 emoji 的 length 是 2？】length 按 UTF-16 代码单元计数，emoji 是一个代理对。
【UTF-16 和 UCS-2 有什么区别？】UCS-2 只覆盖 BMP，没有代理对；UTF-16 是 UCS-2 的超集。
文中示例可以在本站对应工具中验证；处理密钥、证书等敏感数据时，请注意保护隐私。
版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。
