java emoji编码转换_编码：unicode、utf-8以及emoji

之前对emoji没怎么关注过，只有大约印象和编码有关，今天花了一点时间去看了一下emoji如何编码的。 先贴个知乎回答-Unicode 和 UTF-8 有什么区别？ - 邱昊宇的回答 - 知乎 里面涉及两个概念：

字符集：为每一个「字符」分配一个唯一的 ID(学名为码位 / 码点 / Code Point)

编码规则：将「码位」转换为字节序列的规则(编码/解码 可以理解为 加密/解密 的过程)

unicode码是是一种字符集(类似的还有gbk)，而utf-8是一种编码规则(类似的还有utf-16等)

先去查找相关资料：

现在就够知识进行实验了： 先去拷贝一个表情放到浏览器上来试试：?(其实我们都被计算机视为一种字节流，包括这些文字也都是)

就这个笑脸为例子吧。

首先介绍一下这个笑脸：

这个笑脸占4个字节，用十六进制表示可表示为：0xf0,0x9f,0x98,0x80。

不信你可以使用世界上最好的语言来打包试试：$str = pack('cccc',0xf0,0x9f,0x98,0x80);，打印这个$str，然后在浏览器中打开就可以看到上面这个笑脸了。

那么我们再来查一下这个笑脸在unicode中的码是什么呢？

查到了！就是：1F600，一眼能看得出它也是一个十六进制的数。

这个和刚才上面那个0x f0 9f 98 80差的也太远了吧！

不要着急，区位码(1F600)和 utf-8字节流之间还没开始转换呢，根据百度来的编码规则(这个百度来的和谷歌来的都是一样的，是真的！)

先把十六进制都转成二进制，再看就比较容易：

1F600转为二进制：0001 1111 0110 0000 0000

0x f0 9f 98 80转为二进制: 1111 0000 1001 1111 1001 1000 1000 0000

然后我们看下转换规则，

文献规则中说到：“Unicode转换为UTF-8时，可以将Unicode二进制从低位往高位取出二进制数字，每次取6位，……不足8位用0填补。”，根据这个规则就是可以进行编码了：

1111 0 000

10 01 1111

10 01 1000

10 00 0000 //

这里转换完毕正好就得到 1111 0000 1001 1111 1001 1000 1000 0000。