UTF-16

UTF-16 (16-bit Unicode Transformation Format) adalah suatu pengkodean karakter Unicode yang mampu mengkodekan 1,112,064^[1] angka (disebut code point) dalam jangkauan kode Unicode dari 0 sampai 0x10FFFF. Pengkodean ini adalah sebuah "variable-width encoding" karena code point itu dikodekan dengan satu atau dua code units 16-bit .

Universal Character Set UCS-2 (2-byte) mirip dengan pengkodean karakter yang sekarang digantikan oleh UTF-16 versi 2.0 sebagai standar Unicode pada bulan Juli 1996.^[2] Menghasilkan format dengan panjang tetap (fixed-length format) hanya menggunakan code point sebagai unit kode 16-bit dan membuahkan hasil yang tepat sama dengan UTF-16 untuk 97% (63.488; bukan 65.536) dari seluruh code point dalam jangkauan 0-0xFFFF, termasuk semua karakter yang telah diberi nilai saat itu.

UTF-16 secara resmi didefinisikan dalam Annex Q dari standar internasional ISO/IEC 10646.^[3] Juga disebut sebagai "The Unicode Standard" versi 2.0 atau lebih tinggi, serta dalam IETF's RFC 2781.

Contoh

code point	glyph*	character	UTF-16 code units (hex)	UTF-16BE code units (hex)	UTF-16LE code units (hex)
U+007A	z	LATIN SMALL LETTER Z	007A	00, 7A	7A, 00
U+6C34	水	CJK UNIFIED IDEOGRAPH-6C34 (water)	6C34	6C, 34	34, 6C
U+10000	𐀀	LINEAR B SYLLABLE B008 A (first non-BMP code point)	D800, DC00	D8, 00, DC, 00	00, D8, 00, DC
U+1D11E	𝄞	MUSICAL SYMBOL G CLEF	D834, DD1E	D8, 34, DD, 1E	34, D8, 1E, DD
U+10FFFD	􏿽	PRIVATE USE CHARACTER-10FFFD (last Unicode code point)	DBFF, DFFD	DB, FF, DF, FD	FF, DB, FD, DF

* Appropriate font and software are required to see the correct glyphs.

Contoh prosedur pengkodean UTF-16

Karakter pada code point U+64321 (hexadecimal) akan dikodekan dalam UTF-16. Karena di atas U+FFFF, harus dikodekan dengan surrogate pair, sebagai berikut:

v  = 0x64321
v′ = v - 0x10000
   = 0x54321
   = 0101 0100 0011 0010 0001
vh = v′ >> 10
   = 01 0101 0000 // higher 10 bits of v′
vl = v′ & 0x3FF
   = 11 0010 0001 // lower  10 bits of v′
w1 = 0xD800 + vh
   = 1101 1000 0000 0000
   +        01 0101 0000
   = 1101 1001 0101 0000
   = 0xD950 // first code unit of UTF-16 encoding
w2 = 0xDC00 + vl
   = 1101 1100 0000 0000
   +        11 0010 0001
   = 1101 1111 0010 0001
   = 0xDF21 // second code unit of UTF-16 encoding

Lihat pula

• Pengkodean karakter
• Unicode
• UTF-8

Referensi

1. ${\displaystyle 2^{16}-2\times 2^{10}+2^{10}\times 2^{10}}$, di mana ${\displaystyle 2^{16}}$ adalah BMP, ${\displaystyle -2\times 2^{10}}$ adalah interval U+D800–U+DFFF, dan ${\displaystyle 2^{10}\times 2^{10}}$ adalah level (plane) tertinggi.
2. "Questions about encoding forms". Diakses tanggal 12 November 2010.
3. ISO/IEC 10646-1:2000(E), pp. 890-892; ISO/IEC 10646:2003(E), pp. 1364-1366; ISO/IEC 10646:2012(E) Final Committee Draft (FCD), p. 2208; The FCD contains a reference to clauses 9 and 10, pp. 15-17.

Pranala luar

• A very short algorithm for determining the surrogate pair for any codepoint
• Unicode Technical Note #12: UTF-16 for Processing
• Unicode FAQ: What is the difference between UCS-2 and UTF-16?
• Unicode Character Name Index
• RFC 2781: UTF-16, an encoding of ISO 10646
• java.lang.String documentation, discussing surrogate handling

Templat:Unicode navigation Templat:Character encoding