UTF-16怎样可读地显示

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。下面重点说明排版建议。

UTF-16怎样可读地显示

encode 返回字节串；decode 返回字符串。Python 的 "utf-16" 会处理 BOM，"utf-16be/le" 则按指定端序且默认不写 BOM。

端序（BE/LE）、是否写 BOM、遇到孤立代理项是报错还是替换。

示例

输入：abc

编码结果：

UTF-16BE 00 61 00 62 00 63；UTF-16LE 61 00 62 00 63 00；带 BOM 的默认 UTF-16（本机/Python 为 LE）FF FE 61 00 62 00 63 00

说明：共 6 字节（不含 BOM）。BMP 字符 2 字节，辅助平面 4 字节（代理对）。

注意事项

• 把 UTF-16 文件当 UTF-8 打开会出现空格间隔的字母或乱码
• JS 的 "😀".length === 2，遍历要用 for...of 或 Array.from
• 不要截断在代理对中间，会得到非法字符
• Python 的 encode("utf-16") 默认带 BOM，encode("utf-16le") 不带

Python 示例

下面是 Python 中处理UTF-16的常用写法：

"中".encode("utf-16be")     # b"\x4e\x2d"
"中".encode("utf-16le")     # b"\x2d\x4e"
"中".encode("utf-16")       # 带 BOM：b"\xff\xfe\x2d\x4e"
"😀".encode("utf-16be")    # b"\xd8\x3d\xde\x00"

运行前确认输入的字符集（推荐 UTF-8），结果可以用本站工具交叉核对。

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。

标签： UTF-16 数码开发