Unicode编码小结

Unicode编码

一.ASCLL码

• ASCII ((American Standard Code for Information Interchange): 美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是最通用的信息交换标准，并等同于国际标准ISO/IEC 646。到目前为止共定义了128个字符
• 使用一个字节，8位二进制数，使用后7位二进制数组合表示128种（2⁷）（0-127）字符，最高位为奇偶校验位。

二.码点与代码单元

• 码点

  • 码点指与一个编码表中的某个字符对应的代码值（可以理解为编号），我们将这个代码值（编号）称为代码点，类比于**ASCII码，码点就好比字符所对应的ASCII**值
  • 可以理解为字符，一个代码点就是一个字符

• 代码单元

  • 代表最小的可用来识别一个合法字符的最小字节数
  • 码点由若干代码单元构成
  • 不同编码，代码单元长度不一样
    • UTF-8 ：使用变长的字节序列来表示字符，代码单元由 8 位（1字节）组成，字符使用1-4个字节表示，即一个码点由1-4个代码单元组成
    • UTF-16 ：使用变长的字节序列来表示字符，代码单元由 16 位（2字节）组成，字符使用2个或者4个字节表示，即一个码点由1-2个代码单元组成
    • UTF-32 ：使用定长的字节序列来表示，代码单元由32位（4字节）组成，字符使用4个字节表示，即一个码点由1个代码单元组成
    • GB18030 中的代码单元由 8 位（1字节）组成
  • UTF-16编码采用不同长度的编码表示所有Unicode码点，在基本多语言平面，每个字符用16位表示，通常称为代码单元。
  • length方法返回采用UTF-16编码表示的给定字符串所需要的代码单元数量