Unicode编码

Unicode（统一码） 是计算机行业的标准，用于对世界上大多数文字系统进行统一的编码、表示和处理。它为每个字符分配一个唯一的数字（称为码点），不受平台、程序或语言的限制。

Unicode 的核心特点

1. 全球字符集

   • 支持超过 14.9 万字符（截至 Unicode 15.1），涵盖现代和古代文字、符号、表情符号等。
   • 包括中文、拉丁字母、阿拉伯文、日文、韩文、数学符号、货币符号等。

2. 多种编码方式

   • UTF-8（最常用，兼容 ASCII，变长编码，1~4 字节）
   • UTF-16（Java、Windows 常用，2 或 4 字节）
   • UTF-32（固定 4 字节，简单但占用空间大）

3. 码点（Code Point）

   • 每个字符对应一个唯一的十六进制编号，如：
     • A → U+0041
     • 中 → U+4E2D
     • 😊 → U+1F60A

4. 字符平面（Planes）

   • 基本多文种平面（BMP, Plane 0）：最常用的字符（如拉丁字母、汉字、阿拉伯文）。
   • 补充多文种平面（SMP, Plane 1）：历史文字、音乐符号等。
   • 补充表意文字平面（SIP, Plane 2）：罕见汉字（如扩展 CJK 字符）。
   • 私人使用区（PUA, Plane 15-16）：供自定义字符使用。

为什么 Unicode 重要？

• 解决乱码问题（如 ASCII 无法显示中文，GBK 与 Big5 不兼容）。
• 支持多语言混合文本（如同时显示中文、英文、阿拉伯文）。
• 统一表情符号和特殊符号（如 😊 在所有设备显示一致）。
• 确保跨平台兼容（网页、数据库、移动设备等）。

Unicode 与 ASCII 的区别

• ASCII（7 位）仅支持 128 字符（英文、数字、基本符号）。
• Unicode 扩展了 ASCII（UTF-8 的前 128 字符与 ASCII 完全一致）。