JavaがUTF-8の代わりに変更されたUTF-8を使用するのはなぜですか？

Question

オブジェクトのシリアル化とJNIに標準のUTF-8ではなく、Javaがmodified UTF-8を使用するのはなぜですか？

変更されたUTF-8にヌル文字を埋め込むことができないため、ヌル文字で動作する関数を使用することができます。他の理由はありますか？

Answer 1

補助文字を処理する（処理しない）方が処理が高速かつ簡単です。

Javaは文字を16ビットcharとして表しますが、ユニコードは64Kを超える文字を含むように進化しています。したがって、補助文字の中には、Javaの2 char（サロゲートペア）でエンコードする必要があります。

厳密なUTF-8では、サロゲートペアを文字に変換し、文字をバイトにエンコードする必要があります。デコーダは補足キャラクタをサロゲートペアに戻す必要があります。

chars -> character -> bytes -> character -> chars 

両端には、Javaをしているので、我々はいくつかのショートカットを取り、charレベル

char -> bytes -> char 

もないエンコーダやデコーダに直接エンコードすることができますが、サロゲート・ペアを心配する必要があります。

Answer 2

私はそれが主な理由だと考えます。 C言語では、文字列を処理する必要があり、組み込みのNULを含めると複雑になります。

Answer 3

Modified UTF-8の説明はUnicode Explained - Page 306ですが、については説明しません。変更されたUTF-8が決定されました。

BMP以外のUnicode文字のサポートがJavaに最初に追加された方法については、Java固有のドキュメントのSupplementary Characters in the Java Platformの説明もあります。しかし、再びについての説明はありません。変更されたUTF-8が決定されました。

なぜであるかは、Javaのアーキテクトに直接質問しないかぎり見つからないと思います。