一、 什么是unicode?
ascii码能表示的字符非常有限(128个字符),这对英文来说足够了,但是对法文、中文、土耳奇文等文字则远远不够,于是就产生了新的编码规则-unicode,unicode中的字符,可以表达世界上各种语言的常用文字和符号。
unicode是一种编码规则,对相应的字符指定一个编码,这个编码叫做码点。
二、 unicode与utf-8、utf-16的关系
unicode是编码规则,指定了字符的码点,utf-8、utf-16等是编码方法,用多少字节来表示相应的码点。
详细的介绍请参考阮一峰老师的文章《Unicode与JavaScript详解》 《字符编码笔记:ASCII,Unicode 和 UTF-8》
三、 js采用哪种编码方式?
js采用Unicode字符集,但是只支持usc-2编码,为什么该种编码方式很少听到呢,因为UTF-16出现后便取代了UCS-2,UCS-2变成了UTF-16的子集。所以,现在只有UTF-16,没有UCS-2。
在utf-16中的前65535个码点,每个码点占用2个字节,65535之后的每个码点占用4个字节。也就是说,UTF-16的编码长度要么是2个字节(U+0000到U+FFFF),要么是4个字节(U+010000到U+10FFFF)
掌握了该背景知识,下面的内容理解起来就很简单了
四、 js如何获取字符的unicode?
4
个字节储存。对于这种
4
个字节的字符,JavaScript 不能正确处理,字符串长度会误判为
2
,而且
charAt
方法无法读取整个字符,
charCodeAt
方法只能分别返回前两个字节和后两个字节的值
\uxxxx
形式表示一个字符,其中
xxxx
是十六进制的unicode码点,该种表示法只限于码点在
\u0000
~
\uFFFF
之间的字符,超出这个范围的字符怎么办呢?答案是用双字节来表示
"\uD842\uDFB7" // "?"
es6对这种情况进行了改进,只需采用\{xxxx}形式即可
"\u{20BB7}" // "?" "\u{41}\u{42}\u{43}" // "ABC" let hello = 123; hell\u{6F} // 123 '\u{1F680}' === '\uD83D\uDE80' // true