UTF-32

Encoding & Standards

Codificación Unicode de ancho fijo que utiliza exactamente 4 bytes por carácter, lo que permite un mapeo directo de puntos de código a costa de mayor espacio.

UTF-32 is the simplest Unicode encoding: every character uses exactly 4 bytes, and the value directly corresponds to the code point. This makes random access and character counting trivial.

However, UTF-32 uses 4x the memory of ASCII text and 2x that of UTF-16 for most common characters. It's rarely used for storage or transmission but can be convenient for internal string processing.

Python 3's internal string representation uses a variable-width encoding (Latin-1, UCS-2, or UCS-4) depending on the highest code point in the string, which is why `len('😀')` correctly returns 1.

Términos relacionados

BOM (BOM) BOM (BOM)
La marca de orden de bytes (U+FEFF) colocada al inicio de un archivo de texto para indicar el orden de bytes (endianness) en codificaciones UTF-16/UTF-32.
Unidad de código Unidad de código
La combinación mínima de bits utilizada para codificar un carácter: 8 bits para UTF-8, 16 bits para UTF-16 y 32 bits para UTF-32.
UTF-16 UTF-16
Codificación Unicode de ancho variable que utiliza 2 o 4 bytes por carácter, empleada internamente por JavaScript, Java y Windows.
UTF-8 UTF-8
Codificación Unicode de ancho variable que utiliza de 1 a 4 bytes por carácter, dominante en la web (usada por más del 98 % de los sitios web).

Herramientas relacionadas

🔢 Búsqueda Unicode Búsqueda Unicode
Ingresa un punto de código como U+1F600 y obtén el emoji, detalles de codificación, bytes UTF-8/16 y entidades HTML.