用于字符串内部编码的BOCU-1

Question

一些语言/平台，如Java、Javascript、Windows、Dotnet、KDE等都使用UTF16。还有一些人更喜欢UTF8。

没有语言/平台使用BOCU-1的原因是什么？JEP 254和JEP 254等价于Dotnet的原理是什么？

BOCU-1申请专利的原因是什么？还有什么技术原因吗？

编辑

我的问题不是专门关于Java的。所谓JEP 254，我指的是紧凑型UTF-16，如该提案所述。我的问题是，由于BOCU-1对于几乎任何unicode字符串都是紧凑的，为什么没有任何语言/平台在内部使用它，而不是UTF-16或UTF-8。这样的使用将提高任何字符串的缓存性能，而不仅仅是ASCII或拉丁文-1。

这种用法也可能有助于支持非拉丁语编程语言的格式，如语言服务器索引格式(LSIF)。

Answer 1

没有语言/平台使用BOCU-1的原因是什么？

对于堆栈溢出来说，这个问题的范围太广了，一个简明的答案是不可能的。

然而，在Java的具体案例中，请注意，2002年有人提出了Java采用BOCU-1作为RFE ()的可能性。见JDK-4787935 (str)减少String的内存占用。

十年后，这个错误以“不会修复”的决议结束了：

“尽管这是一个非常有趣的提议，但极不可能采用BOCU或任何其他用于内部使用的多字节编码方式(__)。此外，这可以归结为一种时空权衡，并带来不明确的长期后果。鉴于这一提议持续了很长时间，由于无法修复，因此关闭它似乎是合适的。”

JEP 254的理由是什么.？

JEP 254中有一个题为“动机”的部分，它解释了这一点，并特别指出“大多数字符串对象只包含拉丁文-1字符”。然而，如果你不满意，提出一个单独的问题。

首先检查我在这里可以问什么话题？，确保它是堆栈溢出的主题。两位评论JEP 254的人(Aleksey和Brian )在这里回复，所以你可能会得到一个权威的答案。

为什么.JEP 254等价于Dotnet？

再一次，把这作为一个单独的问题提出来。

BOCU-1申请专利的原因是什么？

这个问题在这里特别离题。：“法律问题，包括关于版权或许可的问题，是堆栈溢出的非主题”，尽管维基百科 "BOCU-1是Unicode网站上唯一一种已知受到知识产权限制的Unicode压缩方案“。

还有什么技术原因吗？

一个非常重要的非技术原因是HTML5规范明确禁止使用BOCU-1。！

Avoid these encodings

The HTML5 specification calls out a number of encodings that you should avoid...

Documents must also not use CESU-8, UTF-7, BOCU-1, or SCSU encodings, since they... were never intended for Web content and the HTML5 specification forbids browsers from recognising them.

当然，这就引出了为什么HTML 5禁止使用BOCU-1的问题，而我能找到的唯一的技术原因就是元素状态。

Authors must not use CESU-8, UTF-7, BOCU-1 and/or SCSU as cross-site scripting attacks with these encodings have been demonstrated.

有关使用BOCU-1的XSS漏洞的更多详细信息，请参见请参阅此GitHub链接。

还请注意，按照HTML5规范，所有主要浏览器都特别不支持BOCU-1。