日本語だとUTF-8よりもUTF-16の方が軽い？

今更知ったんですが、日本語だとUTF-8よりもUTF-16の方が軽いんですね
なんとなく数字が大きくなってるからUTF-16の方が重いんだと思ってました

UTF-8だと英語のアルファベットとかは1バイト使うらしいけど、日本語の文字は主に3バイトらしい
対してUTF-16だと英語でも2バイト使うけど、日本語もだいたい2バイトらしい
ちなみにUTF-32だと、固定で4バイト使うみたいです

試しに手元にあったニコニコ動画コメントデータセット(コメント部分だけ)のファイル75GBをUTF-16に変えたら57GBとおよそ4分の3になりました

以下の本を読んだんですが、符号化文字集合と文字符号化方式とか意識したことがなかったので勉強になりました
とりあえずUnicodeを使っておけばいいのかと思ったんですが、結合文字とかサロゲートペアとか字体の違いとか他の文字コードと変換した時の文字化けとか、Unicodeの範囲だけでもややこしいことが多いですね……