Format transformacji Unicode (UTF)

Unicode Transformation Format (UTF) to termin używany do opisania rodziny standardów kodowania opracowanych przez Unicode Consortium. Standardy te są używane do reprezentowania tekstu w systemach komputerowych i Internecie, umożliwiając reprezentowanie różnych języków, skryptów i symboli w spójnym formacie nadającym się do odczytu maszynowego.

Rodzina UTF składa się z sześciu schematów kodowania określanych jako UTF-8, UTF-16, UTF-32, UTF-7, UTF-1 i CESU-8. UTF-8 jest najpopularniejszym schematem kodowania używanym obecnie w tworzeniu stron internetowych i programowaniu, podczas gdy UTF-16 jest używany w niektórych aplikacjach, takich jak Microsoft Windows. UTF-7 to starszy schemat kodowania, rzadko obecnie używany, podczas gdy UTF-32, UTF-1 i CESU-8 są rzadko używane przez kogokolwiek.

UTF-16 i UTF-32 są oparte na zestawie znaków Unicode, który przypisuje unikalny 16-bitowy lub 32-bitowy numer do każdego znaku. Oznacza to, że pojedyncza reprezentacja (ciąg) tekstu może zawierać różne znaki, niezależnie od języka lub regionu. Na przykład ciąg "hello" może zawierać znaki łacińskie, japońskie lub cyrylicę, a wszystko to bez konieczności oddzielnego kodowania.

UTF-8 to schemat kodowania o zmiennej długości, co oznacza, że liczba bajtów potrzebnych do przedstawienia znaku zmienia się w zależności od samego znaku. Jest bardziej wydajny niż UTF-16 i UTF-32 i pozwala na reprezentowanie tekstu w mniejszej liczbie bajtów, dzięki czemu jest bardziej odpowiedni dla mniejszych systemów pamięci. UTF-16 i UTF-32 oferują jednak lepszą wydajność i kompatybilność w większych systemach pamięci.

Ogólnie rzecz biorąc, Unicode Transformation Format stanowi ważną część nowoczesnego środowiska komputerowego. Zapewniając, że tekst w dowolnym języku jest reprezentowany w spójnym, czytelnym dla maszyn formacie, UTF umożliwia programistom i twórcom stron internetowych tworzenie aplikacji i stron internetowych, które mogą obsługiwać wiele języków i znaków.