UTF-8의 예, UTF-16, UTF-32

UTF-8의 예

‘A’

• 유니코드 코드 포인트는 U+0041
• 0x41을 비트패턴으로 표현하면 100 0001
• 7비트로 표현가능한 포맷은 0xxxx xxxx
• 0100 0001

‘걁’

• 유니코드 코드 포인트는 U+AC41
• 16비트로 표현 가능한 포맷은 1110 xxxx 10xx xxxx 10xx xxxx
• 0xAC41을 비트패턴으로 표현하면 1010 1100 0100 0001
• 포맷에 왼쪽부터 순서대로 채우면
• 1100 1010 1011 0001 1000 0001

위 값들은 1바이트 단위로 작은 주소 부터 메모리에 저장 됨

• 01000001
• 11001010 10110001 10000001
  • 애초에 엔디언 문제를 정의할 수 없음
  • 이 비트 패턴이 숫자인가? 포맷에 숫자를 집어넣었기에 큰 자리, 작은 자리의 개념이 없음

UTF-8 인코딩 결과는 숫자의 비트 패턴이 아님

UTF-8과 URL

’%‘는 hex 표시

“유니코드”

• UTF-8로 인코딩된 한국어 문자는 대부분 3바이트인 것을 기억하자
  • UTF-8의 장점과 단점 참고
• 마지막 글자 ‘드’ 확인
  • 오른쪽에서 부터 3바이트 확인

UTF-16

UCS-2의 확장

• 최소 2바이트, 최대 4바이트 사용

인코딩/디코딩 규칙에 따라 Unicode code point를 변환

• UTF-32와 차이점
• 2바이트에 Unicode code point 값이 비트패턴으로 그대로 저장되지 않음

UTF-8은 UTF-8의 장점과 단점에서 봤듯이 Unicode code point 값이 비트패턴으로 그대로 저장되지 않고 변환됨

UTF-32

Unicode code point와 1:1로 대응

• 변환 규칙 없이 Unicode code point 값을 4바이트에 비트패턴으로 그대로 저장

복습 퀴즈

(Q) 다음 중 UTF 인코딩의 장단점에 대해 언급한 것 중 올바르지 않은 것을 고르세요.

• UTF-16은 UCS-2의 확장이라 UCS-2를 모두 제대로 표현할 수 있다
  • 확장의 개념을 기억하기
• UTF-16은 ASCII와 호환이 불가능하며, 엔디언 문제가 있다
  • ASCII와 호환이 되는 것은 UTF-8 only
  • 엔디언 문제가 없는 것도 UTF-8 only
  • ANSI, 멀티바이트, 유니코드 참고
• UTF-32는 용량 낭비가 심하나, ASCII와 호환 가능하다 (X)
  • ASCII와 호환이 되는 것은 UTF-8 only
• UTF-8는 엔디언 문제가 발생하지 않는다.
  • 엔디언 문제가 없는 것은 UTF-8 only

따라서 정답은 3번