Unicode( 统一码 )仅仅是一个字符集,码点空间为 U+000000 - U+10FFFF,用数字来映射不同的字符,仅仅规定了特定字符对应的二进制代码,至于这个二进制代码如何存储则没有任何规定。
- Unicode 使用17个平面,每个平面的码点范围为 U+xx0000 - U+xxFFFF,其中xx表示16进制的 0x00 到 0x10,每个平面有 216 = 65536个码位,所以 Unicode 总共有 17 * 65536 = 1114112个码位。
- 所有最常见的字符都放在基本平面 BMP( Basic Multilingual Plane ),这是 Unicode 最先定义和公布的一个平面,编码从 U+000000 到 U+00FFFF。
- 剩下的字符都放在辅助平面,码点范围从 U+010000 到 U+10FFFF。
UTF(Unicode Transformation Format)Unicode转换格式
UTF-8 以字节为单位对Unicode进行编码,使用 1 - 4 个字节表示一个字符,根据字符的不同变换长度。
Unicode 字符集范围(十六进制) | UTF-8 编码(⼆进制) |
---|---|
0000 0000 - 0000 007F | 0xxxxxxx |
0000 0080 - 0000 07FF | 110xxxxx 10xxxxxx |
0000 0800 - 0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
0001 0000 - 0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
UTF-16 : 基本平面的字符占用2个字节,辅助平面的字符占用4个字节。
UTF-32 : 每个字符均占用四个字节。