UTF-16, abbreviazione di 16-bit Unicode Transformation Format, è una codifica del set di caratteri Unicode in unità a 16 bit. È stato progettato per consentire di memorizzare il testo codificato in Unicode in un formato compatto ed efficiente dal punto di vista della memoria.
UTF-16 è la codifica più comunemente utilizzata di Unicode ed è supportata da quasi tutti i moderni sistemi operativi e linguaggi di programmazione. È inoltre supportato da tutti i principali protocolli Internet, come HTML, XML e JavaScript.
Il principale vantaggio di UTF-16 è la sua efficienza di memoria: richiede solo due byte di memoria per ogni carattere, rispetto ai quattro byte di UTF-32. Ciò significa che UTF-16 è tipicamente utilizzato per la codifica di Unicode. Ciò significa che UTF-16 è in genere la codifica preferita per le applicazioni che richiedono un gran numero di caratteri, come le pagine web e i documenti di testo.
Tuttavia, UTF-16 ha un'importante limitazione: non può rappresentare caratteri al di fuori del piano multilingue di base (BMP). Ciò significa che caratteri come le emoji e altri caratteri non BMP non possono essere rappresentati con precisione.
UTF-16 utilizza uno schema di codifica diverso per i caratteri al di fuori del BMP. In questo schema, un carattere è rappresentato da una coppia di numeri a 16 bit, chiamati surrogati. Il primo surrogato è compreso nell'intervallo da U+D800 a U+DBFF, mentre il secondo è compreso nell'intervallo da U+DC00 a U+DFFF.
L'uso dei surrogati consente a UTF-16 di rappresentare qualsiasi carattere dell'insieme di caratteri Unicode. È anche possibile convertire tra UTF-16 e altre codifiche Unicode, come UTF-8 e UTF-32.
Un documento UTF-16 può anche includere un carattere speciale noto come byte order mark (BOM). Questo carattere viene utilizzato per indicare l'ordine dei byte del documento ed è in genere posto all'inizio del documento.
UTF-16 è una codifica versatile del set di caratteri Unicode ed è ampiamente utilizzata per l'elaborazione e l'archiviazione del testo. Il suo principale vantaggio è l'efficienza della memoria, ma ha anche la limitazione di non poter rappresentare caratteri al di fuori del BMP. Utilizza anche surrogati e BOM per migliorare la sua funzionalità.
Un carattere Unicode a 16 bit è un carattere codificato con 16 bit. Ciò significa che ci sono 2^16 (65.536) valori possibili che possono essere rappresentati da un carattere Unicode a 16 bit. I caratteri Unicode più comuni sono i caratteri BMP (Basic Multilingual Plane), che sono i primi 65.536 caratteri del set di caratteri Unicode.
UTF-16 è una codifica di caratteri in grado di rappresentare tutti i caratteri Unicode, compresi quelli che non fanno parte dell'insieme di caratteri ASCII standard. Per convertire UTF-16 in ASCII, è necessario utilizzare uno strumento di conversione Unicode.
No, UTF-16 utilizza una codifica a lunghezza variabile, quindi non tutti i caratteri sono lunghi 16 bit. I caratteri più comuni sono codificati come unità di codice a 16 bit, ma alcuni caratteri più rari richiedono più unità di codice (fino a quattro unità per i caratteri più rari).
Esistono diversi modi per capire se un file è codificato UTF-16:
1. Controllare l'ordine dei byte del file (BOM). I file UTF-16 iniziano sempre con la BOM 0xFE 0xFF.
2. Controllare l'estensione del file. I file UTF-16 hanno spesso l'estensione .utf16 o .ucs2.
3. Controllare il contenuto del file. Se il file contiene caratteri che non rientrano nell'insieme dei caratteri latini di base, è probabile che sia codificato UTF-16.
UTF-16 è una codifica di caratteri in grado di rappresentare tutte le principali lingue del mondo. Viene utilizzata da molti sistemi operativi e applicazioni come codifica di caratteri predefinita. UTF-16 è utilizzato anche dall'Universal Character Set (UCS), che è lo standard per la codifica di testi multilingue.