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。下面重点说明分步原理。
UTF-16怎样一步步运算
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）。
示例
输入：123问
编码结果：
UTF-16BE 00 31 00 32 00 33 95 EE；UTF-16LE 31 00 32 00 33 00 EE 95；带 BOM 的默认 UTF-16（本机/Python 为 LE）FF FE 31 00 32 00 33 00 EE 95说明：共 8 字节（不含 BOM）。BMP 字符 2 字节，辅助平面 4 字节（代理对）。
常见报错
- UnicodeEncodeError / unpaired surrogate：字符串里有孤立代理项
- 文件开头出现 ÿþ 或 þÿ：UTF-16 BOM 被按 Latin-1 显示
- 截取字符串后出现 �：代理对被切断
怎样核对结果
用 file、编码检测工具或 Python decode 尝试 utf-16le/be，看哪种能得到通顺文本，并检查是否有 BOM。
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
【英文用 UTF-16 浪费空间吗？】每个 ASCII 字符要 2 字节，是 UTF-8 的两倍，所以文本文件更推荐 UTF-8。
【一个汉字在 UTF-16 中占几个字节？】常用汉字位于 BMP，占 2 个字节；生僻字若在扩展区则占 4 个字节。
【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。
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。
