unicode字符集编码

1. unicode字符集的编码范围是0X000000到0X10FFFF的，每个平面的范围都是0000到FFFF，共17个编码平面，编码平面用于存放不同类型的字符。
   
   
   
   
   
2. unicode编码表更像是一个字典，而编码方式则分为UTF-8编码和UTF-16编码、UTF-32编码。
   • 目的是更加利于储存和传输
   • 目的是提高电脑资源的利用效率，如UTF-8按原码点的话每个都需要三个字节来表示
   • 码点：每个字符对应字符集的编码值（码点在Unicode字符集范围从U+000000到U+FFFFFF）
     
     
     
3. UTF-8编码：被定义为将码点编码为1至4个字节，具体编码字节数取决于码点数值的有效二进制的数量。
   • UTF-8编码方式：
     

4. UTF-16编码：将字符编码成2字节或者4字节(UTF-8一个代码单元为一个字节，UTF-16一个代码单元为两个字节)

字节序列	码点位数	码点起值	码点终值	Byte1	Byte2	Byte3	Byte4
1	16	U+0000	U+FFFF	xxxxxxx	xxxxxxx
2	24	U+10000	U+10FFFF	110110xx	xxxxxxx	110111xx	xxxxxxx

5. 关于BOM：

• 字节序经常根据其在内存的存放顺序被分为两类，大端存储和小端存储
  1. 字节序目的是为了解决一个多字节码元 code unit 中各字节的（地址）序
  2. Big-Endian（大端）：高位字节排放在内存的低地址端，低位字节排放在内存的高地址端。
  3. Little-Endian（小端）：低位字节排放在内存的低地址端，高位字节排放在内存的高地址端
  4. 字节高低：靠近左边的是高位，靠右边的是低位
  5. 内存地址高低：最高内存地址 0xFFFFFFFF
• UTF字节序问题：最小编码单元是多字节才会有字节序的问题存在，UTF-8 最小编码单元是一字节，所以它是没有字节序的问题
• BOM（字节序标记）常被用来当做标识文件是以 UTF-8、UTF-16 或 UTF-32 编码的标记

参考：

• Unicode、UTF-8、UTF-16 终于懂了 - 知乎 (zhihu.com)
• 编码格式简介（ANSI、GBK、GB2312、UTF-8、GB18030和 UNICODE）-CSDN博客
• 字符编码：ASCII 与 UTF-8编码_ascii utf8-CSDN博客