유니코드와 utf

유니코드란?

'A'라는 글자는 0x0041 이라는 Index를 가진다.
'a'라는 글자는 0x0061 이라는 Index를 가진다.
'가'라는 글자는 0xac00 이라는 Index를 가진다.

ANSI(American National Standard Institute의 약자)는 8bit로 구성되어 있으며 256개의 문자를 표현할 수 있다.
ANSI는 ASCII의 확장판으로 이해하면 된다.
그 이유는 ASCII에서 1bit를 더 사용한 것이기 때문이다.
ANSI의 앞 7bit는 ASCII와 동일하고 뒤에 1bit를 이용하여 다른 언어의 문자를 표현한다.
그런데 새로 추가 된 128개 문자로는 모든 언어의 문자를 표현할 수 없다.
그래서 생긴 개념이 Code Page이다.
각 언어별로 Code 값을 주고 Code마다 다른 문자열 표를 의미하도록 약속을 했다.
쉽게 생각하면 아래와 같이 설명할 수 있다.
ANSI = ASCII(7bit) + CodePage(1bit)
이러한 원리를 고려하면 다음과 같이 정리할 수 있다.

UTF는 몇 bit 단위로 사용해서 Index를 표현할 것인가를 뜻한다.
UTF-8은 8bit씩 Index를 표현
UTF-16은 16bit씩 Index를 표현
UTF-32는 32bit씩 Index를 표현한다는 뜻을 갖고 있다.

UTF-16은 유니코드 문자 인코딩 방식의 하나이다.
주로 사용되는 기본 다국어 평면(BMP, Basic multilingual plane)에 속하는 문자들은
그대로 16bit값으로 인코딩이 되고 그 이상의 문자는 특별히 정해진 방식으로 32bit로 인코딩이 된다.
UTF-16의 코드 단위는 16bit이다.
UTF-16 인코딩은 유니코드 한 문자를 나타내기 위해 2byte ~ 4byte까지를 사용한다.
UTF-16은 윈도우 응용프로그램, 자바스크립트 등의 작동시 사용된다.
영문 byte 수 : 2byte
한글 byte 수 : 2byte

UTF-8과 UTF-16의 기본 차이는 문자 하나를 표현할 때 사용할 최소 byte 크기이다.
UTF-8로 문자를 표현할 때 1 ~ 4byte가 필요하다.
하지만 UTF-16은 2 ~ 4byte가 필요하다.
두 Encoding 방식의 큰 차이는 최소 8bit가 필요하냐 16bit가 필요하냐에 따라 다른 것이다.
최적의 상황(저장, 통신 용량을 아껴야할 때)이 필요하다면
어떤 CodePoint를 주로 사용하냐에 따라 UTF-8 또는 UTF-16을 선택하는 기준이 달라질 것이다.