1。什么是Unicode
Unicode源于一个非常简单的想法：世界上所有的字符都包含在一个集合中。如果计算机支持这个字符集，它将显示所有字符，并且不会再出现随机代码。
它从0开始，并为每个符号指定一个编号，称为代码点。例如，代码点0的符号为null（表示所有二进制位为0）。
复制代码如下：0000
在上一种形式下，u表示十六个十进制数后面跟着的是Unicode的代码点。
目前，Unicode的最新版本是7版，共有109449个符号，其中74500个是中国和韩国。它可以近似地认为超过2 / 3世界上现有的符号是从东亚语言。例如，中国的好的代码点是十六597d。
复制代码如下：U + 597d =好
这么多的符号，Unicode不是一次性定义，而是一个分区定义，每个区域都可以存储65536（216）个字符，称为平面（平面），目前，总共有17个（25）面，也就是说，整个Unicode字符集的大小现在是221。
第一65536字位，称为基础平面（简称BMP），从0到16范围和216-1，U + 0000 U + FFFF 16。所有最常见的字都放在这个平面，这是Unicode首先宣布第一架飞机。
其余的字符放在辅助平面（简称SMP），从U + 010000 u + 10ffff代码点范围。
二、UTF-32和UTF-8
Unicode只指定每个字符的代码点，用哪种字节顺序表示代码点，这涉及编码方法。
最直观的编码方法是每个代码点是由四个字节表示，和字节的内容对应的码点之一。这种编码方法被称为utf-32.for例子，代码点0是由四个字节0表示，和编码597d 0在前面两字节。
复制代码如下：u + 0000 = 0x0000 0000u + 597d = 0x0000 597d
对UTF-32的优点是转换规则简单直观，且搜索效率高。缺点是空间的浪费，英语课文的内容相同，它将比ASCII码的大四倍。这是一个致命的缺陷，导致没有人事实上使用这种编码方法，和HTML 5标准指定的网页不能被编码为UTF-32。
人们真正需要的是一个节省空间的编码方法，导致utf-8.utf-8的诞生是一个长期的编码方法与特征长度从1字节到4字节。更常用的字，短的字节，前128个字符，只有1个字节，完全一样的ASCII码。
编号范围的字节值- 0x007f10x0080 - 0x07ff20x0800 - 0xffff30x010000 - 0x10ffff4
由于空间节能UTF-8，它已成为最常见的网页在互联网上的编码，但是，这不是今天的主题密切相关，我将不深入，具体的转换方法，可以参考字符编码笔记。
三、以UTF-16简介
UTF-16编码UTF-32和UTF-8之间，并结合两种编码方法的特点，固定长度和可变长度。
其编码规则很简单：基本面上的字符占用2个字节，并在辅助平面字符占用4字节，UTF-16编码长度为2个字节（U + 0000 u + FFFF）或4字节（U + 010000 u + 10ffff）。
所以有个问题。当我们遇到两个字节时，我们怎么看它是一个字符本身，还是需要用另外两个字节来读取它
它非常精巧，我不知道它是否有意设计。在基本面，从U + U + DFFF D800是一个空白段，即这些点不符合任何字符。因此，这个空的部分可以用图的辅助平面字符。
特别是，有220位在辅助平面字符，也就是说，至少有20个二进制位是这些characters.utf-16要求将20位分成两部分。第一个10比特映射从U + D800 U + dbff（空间的大小210），这是所谓的高位置（H），后者10比特映射从U + dc00 U + DFFF（空间的大小210），这是所谓的低比特（L）。这意味着一个辅助平面字符的字符表示拆成两个基本面。
所以当我们遇到了两个字节，发现其编码点u + D800和U + dbff之间，我们可以得出这样的结论：两个字节，密切跟踪代码点应U + dc00 U + DFFF之间，和四字节的解释必须在一起。
转换公式四和UTF-16
当Unicode代码点变为UTF-16，它首先区分基本面特征之间，或辅助平面字符。如果是前者，编码直接转换为带形成相应的十六，长度与两个字节。
复制代码如下：U + 597d = 0x597d
如果它是辅助平面字符，Unicode 3版本给出了代码转换公式。
复制代码如下：H = math.floor（（c-0x10000） / 0x400）+ 0xd800l =（C 0x10000）% + 0xdc00 0x400
在性质上，它是一个辅助平面字符，代码点u + 1d306，和把它变成UTF-16的计算过程如下。
复制代码如下：H = math.floor（（0x1d306-0x10000） / 0x400）+ 0xd800 = 0xd834l =（0x1d306-0x10000）% + 0xdc00 = 0xdf06 0x400
所以，一个字符的UTF-16编码是0xd834 df06，一个长度为四字节。
五，Javaｓｃｒｉｐｔ使用什么类型的代码
Javaｓｃｒｉｐｔ语言使用Unicode字符集，但只支持一种编码方法。
这个代码是不是UTF-16和UTF-8，也不是utf-32.the上述编码方法，Javaｓｃｒｉｐｔ不使用。
Javaｓｃｒｉｐｔ使用UCS-2！
六、UCS-2编码
你怎么突然杀UCS-2这需要一点历史。
在上网的时候没出现，有两支球队谁想做一个统一的字符集。是Unicode的团队，成立于1989，和其他早期，1988 UCS团队。当他们发现彼此的存在，很快就被认为没有两套统一字符集的世界。
1991年10月，两支球队决定合并字符集。也就是说，从现在起，只有一套字符集，即Unicode，修改先前公布的字符集，和UCS的编码点会完全一样的Unicode。
当时的实际情况是，UCS的发展速度比Unicode更快。早在1990，第一个编码UCS-2发布，采用2字节编码点的代表人物。（只有一个平面的当时，这是基本面，所以2个字节是不够的。）UTF-16编码1996年7月下旬发布公告，宣布是UCS-2的超集，即使用UCS-2字符编码的基本面，辅助平面定义表示4字节字符。
两者之间的简单关系，UTF-16取代UCS-2，或者UCS-2集成到utf-16.so，现在只有UTF-16，没有UCS-2。
七、javaｓｃｒｉｐｔ的诞生背景
所以，为什么不选择一个更先进的Javaｓｃｒｉｐｔ UTF-16使用UCS-2已经淘汰了吗
答案很简单：不想做的事，不是的。因为当Javaｓｃｒｉｐｔ语言的出现，没有UTF-16编码。
1995年5月，布兰登·艾奇用了10天时间设计Javaｓｃｒｉｐｔ语言。十月，第一个解释引擎问世。明年十一月，网景正式提交语言标准ECMA（看到Javaｓｃｒｉｐｔ诞生）在整个过程中，相对于UTF-16的发布时间（1996年7月），这将是明确的，网景没有其他选择，当时，只有一个UCS-2编码方法是可用的！
八，Javaｓｃｒｉｐｔ字符函数的局限性
因为Javaｓｃｒｉｐｔ只能处理UCS-2编码，在这种语言中所有的人物都是2字节，如果是4字节的字符，它将被视为两个双字节字符。Javaｓｃｒｉｐｔ的角色功能的影响，这一点不能返回正确的结果。
在性格上，例如，其UTF-16编码是4个字节的0xd834 df06。问题是，4字节的代码不属于UCS-2，Javaｓｃｒｉｐｔ不认识它，只把它作为一个单独的两个字符u + d834 U + df06.as前面所提到的，这两个代码点是空的，所以Javaｓｃｒｉｐｔ会认为它是一个字符串，两空字符！
上面的代码显示Javaｓｃｒｉｐｔ认为字符的长度是2，第一个字符是一个空字符，并且第一个字符的代码点0xdb34。这些结果是不正确的！
要解决这个问题，必须对代码点进行判断并手动调整。
复制代码如下：在（+指数= 0xd800，字符码<= 0xdbff）{ output.push（文字+ string.charat（+指数））；}否则{ output.push（字符）；} }
上面的代码表明，当我们通过字符串时，我们必须对代码点做出判断。只要是从0xd800到0xdbff区间，我们必须一起读的2字节。
所有Javaｓｃｒｉｐｔ字符操作函数都存在类似的问题。
String.prototype.replace（）（）（）string.prototype.slice string.prototype.substring…
上述函数都只适用于2字节的代码点。要正确处理4字节的代码点，您必须逐一部署自己的版本，以确定当前字符的代码点范围。
九，ECMAｓｃｒｉｐｔ 6
Javaｓｃｒｉｐｔ的下一个版本，ECMAｓｃｒｉｐｔ 6（称为6），大大增强了Unicode支持，基本解决了问题。
（1）正确识别人物
6能自动识别4字节的编码点。所以，这是非常简单的遍历字符串。
将代码复制如下…
但是，为了保持兼容，长度属性仍然是相同的行为方式。
复制代码如下：Array.from（字符串长度）。
（2）码点表示法
Javaｓｃｒｉｐｔ允许Unicode字符直接用一个代码点表示，它被写为斜杠+ +代码点。
复制代码如下：好的= = = u597d ' /真的
然而，这表示4字节的代码points.es6改正问题是无效的，只要代码点放在括号内，可以正确识别。
（3）字符串处理函数
6又增加了几个功能专门处理4字节码点。
string.fromcodepoint（）：返回相应的角色String.prototype.codePointAt（）从Unicode代码点：返回对应的码点String.prototype.at（）从性格：返回给定的字符的位置。
（4）正则表达式
ES6 provides a U modifier to add 4 byte code points to regular expressions.
（5）Unicode标准化
除了字母外，有些字符还有附加符号。例如，汉语拼音，字母表上的声调是一个附加的符号。
Unicode提供两表示。一个是用附加符号字符，即一个码位表示一个字符，比如代码U + 01d1；另一个是符号将作为一个单独的代码，用复合材料显示的主要特征，即两码点为例，可以表示一个字符，可写为O（U + 004f）+（U + 030c）。
复制代码代码如下所示：
方法
u01d1
两种方法
u004f u030c
这两种表示形式都是可视的和语义的。
复制代码代码如下所示：
u01d1= = = u004f u030c
/ false
6提供了一种规范方法允许Unicode
复制代码如下：（ u01d1。规范）（ u004f u030c。规范） / /真实= = =
更多关于6，看看ECMAｓｃｒｉｐｔ 6 。
==========================
