为什么utf-8没有字节序问题？

orclover

说utf-16有字节序问题很容易理解，但是凭什么说utf-8没有字节序问题？比如中文在utf-8编码时，采用3个字节，这3个字节传输的时候，怎么说没有字节序问题呢？只是utf-8三个字节中，有个字节比较特殊，除非默认约定从这个字节传输，否则肯定也有字节序问题。

但是查了N多网页，大家都很坦然的说“UTF-8以字节为编码单元，没有字节序的问题。”，当凭它是字节为编码单元，就没有字节序问题了？这话说的也太厚脸皮了吧。

zhujiang73

回复 1# orclover

这个真没有。{:3_189:}

这就像是 char [] 没有字节序一样。

orclover

能说的明白点吗，对编码目前处在很懵懂的阶段。。。

orclover

如果按照char []没有字节序问题的原理理解，那么就是说它默认按照一定的顺序，从那个比较特殊的字节（也就是包含长度的字节）开始读了。那这样就说通了。

但是“UTF-8以字节为编码单元，没有字节序的问题。”这样的说法，我感觉还是太厚颜了，网上铺天盖地都是这个讲法。

orclover

在网上还看到一种说法“在 UTF-8 中总是可以知道所处的位置，就是说给定一个字节，马上就能确定它是一个单字节字符、双字节字符的第一个字节、双字节字符的第二个字节，或者三字节/四字节字符的第二个、第三个或第四个字节”，这个是如何做到的？

比如三字节编码一般格式如下：
U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx

第二个和第三个字节的格式一样，任意取出一个，怎么知道哪个是第二个，哪个是第三个？

pagx

你见过有人提过 GBK 的字节序问题么?

orclover

你见过有人提过 GBK 的字节序问题么?
pagx 发表于 2010-03-23 17:41

    没见过，只见过有人提gbk“半个汉字”的问题，因为gbk没有长度信息，可以任意组合。

orclover

刚又查了一下，应该是这个原因吧，引用如下。

“对于任何字符编码，编码单元的顺序是由编码方案指定的，与endian无关。例如GBK的编码单元是字节，用两个字节表示一个汉字。这两个字节的顺序是固定的，不受CPU字节序的影响。UTF-16的编码单元是word（双字节），word之间的顺序是编码方案指定的，word内部的字节排列才会受到endian的影响。”

pagx

所以utf-8也没有字节序的问题。字节序问题之存在于需要使用两个字节以上来表示整数。而UTF-8只是一串字节流，不存在字节序问题，不过将这些字节流翻译成Unicode比其他的传输方式复杂。

orclover

但是有一点还是不太明白，所谓的编码单元是字节还是word，有什么区别，有人能举个例子吗？比如GBK和UTF-16都有两个字节表示一个汉字，但是二者编码单元不同，如何理解？