UTF-32编码解码 - 固定4字节字符转换

UTF-32是一种固定长度的Unicode字符编码方式，每个字符恰好使用4个字节（32位）来表示。它将每个Unicode码点直接映射为一个32位无符号整数。UTF-32的最大优点是索引计算极其简单：第n个字符就位于第n×4字节处，支持O(1)随机访问。这使得UTF-32在内存处理、数据库内部存储等需要频繁随机访问字符的场景中非常高效。缺点是需要4倍于ASCII的存储空间，对于以英文为主的文本存储效率较低。

UTF-8是变长编码（1-4字节），兼容ASCII，适合存储和传输英文文本，空间效率高，但无法直接按索引访问字符。
UTF-16是变长编码（2或4字节），大多数常用字符用2字节，补充字符用4字节（代理对），是Java和Windows内部使用的编码。
UTF-32是定长编码（固定4字节），每个字符占用相同字节数，支持快速随机访问，适合内存处理和字符级操作，但空间开销最大。
选择哪种编码取决于应用场景：网络传输和文件存储通常用UTF-8，内存处理和字符操作可考虑UTF-32。

BOM（Byte Order Mark）是Unicode字符U+FEFF，放在文本开头用于标识字节序。在UTF-32中：
• 大端序（UTF-32BE）BOM：00 00 FE FF（4字节）
• 小端序（UTF-32LE）BOM：FF FE 00 00（4字节）
当解码器读取BOM时，可以自动判断文件的字节序，确保正确解码。如果不使用BOM，则需要提前约定字节序（通常默认大端序）。在许多实际应用中，UTF-8的普及使得BOM在UTF-32中的使用相对较少。

大端序（BE）：高位字节存储在低地址（网络字节序），更符合人类阅读习惯。例如U+0041存储为00 00 00 41。
小端序（LE）：低位字节存储在低地址，x86架构CPU原生支持。例如U+0041存储为41 00 00 00。
选择建议：跨平台数据交换推荐大端序（网络标准），x86平台内部处理推荐小端序（性能更好）。使用BOM可以帮助接收方自动识别字节序。

可以。UTF-32使用32位（4字节）存储，理论上可以表示0x00000000到0xFFFFFFFF的范围，完全覆盖Unicode标准定义的所有码点（U+0000至U+10FFFF）。这包括所有表情符号（如😀🎉🌈，码点在U+1F300-U+1F9FF范围）、CJK汉字、数学符号、古代文字等。UTF-32不需要像UTF-16那样使用代理对来处理补充平面字符，每个字符都是独立的32位值。

主要原因在于空间效率。对于纯ASCII文本（如英文文档、代码文件），UTF-32需要4倍于ASCII的空间，而UTF-8只需要1倍（与ASCII相同）。例如一个1MB的英文文本文件，UTF-32存储需要4MB，而UTF-8仅需1MB。在网络传输中，更大的数据量意味着更长的传输时间和更高的带宽成本。因此，UTF-8凭借其空间效率和ASCII兼容性，成为了Web和文件存储的主流编码。UTF-32更适合内存中的字符处理，在需要频繁随机访问字符的应用中发挥优势。

Unicode标准规定，代理对码点范围（U+D800至U+DFFF）是UTF-16专用的，不应作为独立的Unicode标量值出现。在UTF-32中，这些码点虽然是技术上可编码的32位值，但它们不是有效的Unicode字符。严格的应用应该在生成UTF-32时避免产生这些值，在解析UTF-32时对它们进行标记或拒绝。本工具会将这些范围内的码点标注为"代理对(无效)"类型，提醒用户注意。