什么是 Unicode 和 UTF-16

Unicode 和 UTF-16
我们已经知道字符串是字符序列。

计算机处理器内部发生的一切都是数字计算。字符串处理、图像处理、音频处理、视频处理——实际上一切都围绕着数字展开。

对于字符串中的字符，每个字符也都与一个特定的数字相关联。这种关联由所使用的字符集决定。

字符集可以被认为是一个包含字符名称及其相关数字的表。

如今，计算机中已存在众多已知甚至仍在使用的字符集，每种字符集都有其自身的传承。ASCII 无疑是迄今为止最流行的字符集之一，其历史可以追溯到计算机诞生之初。

在 ASCII 中，英文字母中的小写字母 ‘a’ 与数字 97 相关联。大写字母 ‘A’ 与数字 65 相关联。同样，小写字母 ‘b’ 是 98，而大写字母 ‘B’ 是 66。空格字符是 32。

字符编码方案是在计算机上对字符进行编码和解码的系统。

一个更好、更流行的替代方案是 UTF-16 。在 UTF-16 编码方案中，每个字符至少占用 16 位。注意，16 位块代表一个代码单元 。毫无疑问，并非所有 Unicode 字符都能用 16 位来存储；我们必须增加存储空间来容纳它们。这就需要用到一些数学知识。UTF-16 是可变长度的，也就是说，有些字符占用一个码元（即 16 位），有些字符占用两个码元（即 32 位）。

在 Unicode 术语中，跨越两个代码单元的字符被表示为代理对 – 一个高代理 值（第一个代码单元）后跟一个低代理 值（第二个代码单元）。

问题在于，UTF-16 中的某些代码单元（即 16 位块）被保留用于特殊含义——有些是高位代理，有些是低位代理。当 UTF-16 解码器遇到高位代理时，它会立即知道也应该读取下一个代码单元，以确定当前字符。

回到 JavaScript，它默认对其字符串类型使用 UTF-16 编码方案 。

因此，Unicode 是使用的字符集。这样，JavaScript 中给定字符串中的每个字符占用 16 位或 32 位，具体取决于字符本身。

所以从 JavaScript 的角度来看，字符串是无符号的 16 位整数序列 。

换句话说，JavaScript 字符串是 Unicode 代码单元（无符号 16 位整数）的序列。在使用字符串时，务必牢记这一定义。

UTF-16 解码器（将字符转换为数字）将给定的字符串读取为 16 位整数数组，并处理每个代码单元以确定应该输出的相应字符。

所以最后，我们现在了解了 JavaScript 中 “字符” 的含义，即它是一个基于 UTF-16 格式的跨越 16 位或 32 位的无符号整数。