Unicode 及其编码

Unicode 是在计算机中使用的一种字符编码，其出现是为了统一编码世界上所有的文字，符号。使之能在同一台计算机上正常显示，而不出现乱码。

早期计算机使用的是ASCII 编码，仅仅使用一个字节中的7 bit 来编码，其中编码了英文中使用的字母，数字，标点符号和一些不可见字符，如空格、回收等。后来扩展的ASCII 使用了一个字节的所有8 bit ， 兼容之前的ASCII 编码，并提供一些控制字符。

但世界上语言上千种，每种语言有其自己的文字，符号。中文、法文、韩文、日文等。8 bit 只能编码256 个码位，不可能将这些文字都编进去。于是各国纷纷定义了本国文字的计算机编码。如中国使用的GBK 和GB2312，其使用2 byte 编码一个字符，这样能容纳下65536个码位，并且可以兼容之前的256 个 ASCII 扩展。但是问题来了，当这些编码在本国计算机中使用时，可以很好地工作，但当在一台计算机上要同时显示中文、法文时，出现了乱码。如 在中国的一台计算机，打开一个包含有法文和日文的文档时，使用的是GBK 编码，但GBK 编码定义了汉子，并没有编码法文和日文，将法文和日文的数据用GBK 解码，只能得到乱码。

于是有人希望将这些杂乱的编码方式使用一种同意的编码，将所有的文字符号都编码进去。历史上存在两个独立的尝试创立单一字符集的组织，一个是ISO， 一个是多语言软件制造商组成的统一码联盟。最后这两个组织合作，编制了统一的字码 。目前Unicode 使用的是ISO 10646-1的UCS字符集，其码位从0 —— 10FFFFh ，超出部分将不予赋值。

ISO 编制的UCS 编码有UCS-2 / 4 等计算机编码方式。

UCS-4 中每一