UTF-32

Hlavní výhodou UTF-32 oproti kódováním s proměnnou délkou je to, že tyto Unicode kódy jsou přímo indexovatelné. Kterýkoli znak (kód) v řetězci je dostupný ve stejném čase. Kódování s proměnlivou délkou znaku vyžadují pro nalezení n-tého znaku sekvenční přístup. Díky tomu lze s pomocí UTF-32 poměrně jednoduše použít algoritmy pracující s kódem ASCII, a odvozenýmí národními 8bitovými kódy kde je také každý znak reprezentován konstantním počtem bitů (v daném případě osmi bity).

Hlavní nevýhodou UTF-32 je neefiktivita nakládání s pamětí, zakódování každého znaku spotřebuje 4 bajty. Vzhledem k tomu, že výskyt ne-ASCII znaků v českých textech je vzácný (asijské, africké, ruské znaky apod.), český text zapsaný v UTF-32 spotřebuje téměř dvakrát více paměti než UTF-16 a téměř čtyřikrát více paměti než při kódování UTF-8.

Další nevýhodou je, že pořadí bajtů ve znaku při ukládání řetězců na paměťová média nebo při jejich přenosu je dané architekturou systému, což může vést k nekompatibilitě při zpracování textů v různých operačních systémech, procesorových architekturách, nebo v různých počítačových jazycích. Tuto slabinu sdílejí téměř všechna kódování sady unicode, s výjimkou UTF-8 a GB 18030.

UTF-32 je výhodnou volbou při zpracování textových řetězců, ale je nevhodný pro ukládání řetězců na paměťová média, nebo pro práci s rozsáhlými poli řetězců v operační paměti počítače.

Původní standard ISO 10646 definuje 31bitové kódování nazývané UCS-4, v kterém je každý znak reprezentován 32bitovým číslem. Toto číslo může nabývat hodnoty mezi 0 až hexadeximálně 7FFFFFFF.

Protože nyní norma připouští použití 17 oblastí z nichž každá obsahuje 2¹⁶ kódových bodů, povolené hodnoty kódových bodů jsou 0 až hexadecimálně 10FFFF. UTF-32 je proto podmnožinou UCS-4.

Kódování UTF-32 se často používá při interním zpracování řetězců API. Různé systémy API a jazyky kvůli úspoře paměti nebo z historických důvodů používají i při interním zpracování řetězců odlišná kódování.

V Unixových operačních systémech se řetězci s kódováním UTF-32 občas setkáme kvůli tomu, že typ wchar_t (datový typ používaný pro ukládání znaků ve standardních knihovnách jazyka C) je zde implementován jako 32bitový. Knihovny operačních systémů rodiny Microsoft Windows používají 16bitový wchar_t, pracují tedy v kódování UTF-16.

Nižší verze programovacího jazyka Python (tj. do verze 3.2) mohou vnitřně pracovat s kódováním UTF-16. Od verze 3.3 využívá Python pro zpracování řetězců výhradně kód UTF-32. Programovací jazyk Seed7 kóduje všechny znaky i řetězce pomocí UTF-32.

V tomto článku byl použit překlad textu z článku UTF-32 na anglické Wikipedii.