UTF-16 Kodlayıcı

Bu hesaplama hakkında

UTF-16, Unicode metnini 16 bitlik kod birimlerinden oluşan bir dizi olarak kodlar. Temel Çok Dilli Düzlem’deki (BMP, U+0000 ile U+FFFF arasındaki kod noktaları — Latin, Kiril, Yunan, çoğu CJK ideogramı ve daha fazlasını kapsar) herhangi bir karakter, kod noktasına eşit tek bir 16 bitlik kod birimi olarak doğrudan temsil edilir. BMP dışındaki karakterler — emoji, birçok tarihsel ve daha az yaygın yazı sistemi ile ek CJK ideogramlarını içeren U+10000’den U+10FFFF’e kadar olan kod noktaları — 16 bite sığmadığından, UTF-16 bunları bir vekil çift (surrogate pair) ile temsil eder: yalnızca birlikte görünen ayrılmış aralıklardan alınan iki 16 bitlik birim.

Vekil çift, kod noktasından 0x10000 çıkarılarak 20 bitlik bir değer elde edilmesi, ardından bunun yüksek 10 bitinin 0xD800’e eklenmesi (0xD800–0xDBFF aralığında bir “yüksek vekil” verir) ve düşük 10 bitinin 0xDC00’e eklenmesiyle (0xDC00–0xDFFF aralığında bir “düşük vekil”) oluşturulur. Bu, geliştiriciler için doğrudan önemlidir çünkü JavaScript dizeleri, Java karakterleri ve Windows API’si dahili olarak UTF-16 kullanır; tek bir emojinin JavaScript’te .length değerinin 2 olarak raporlanmasının nedeni budur. Bu hesaplayıcı, girilen metni UTF-16 kod birimlerine kodlar, her birini onaltılık olarak gösterir ve gerektiğinde vekil çiftler kullanır.