Unicode定義：

Unicode（統(tǒng)一碼、萬(wàn)國(guó)碼、單一碼）是計(jì)算機(jī)科學(xué)領(lǐng)域里的一項(xiàng)業(yè)界標(biāo)準(zhǔn)，包括字符集、編碼方案等。Unicode 是為了解決傳統(tǒng)的字符編碼方案的局限而產(chǎn)生的，它為每種語(yǔ)言中的每個(gè)字符設(shè)定了統(tǒng)一并且唯一的二進(jìn)制編碼，以滿足跨語(yǔ)言、跨平臺(tái)進(jìn)行文本轉(zhuǎn)換、處理的要求。

ASCll碼與Unicode編碼不同

對(duì)于很多初學(xué)者來(lái)說(shuō)，特別容易將這兩個(gè)概念混淆，認(rèn)為ASCLL碼就是Unicode編碼，這是明顯錯(cuò)誤的。
我們知道：1個(gè)byte=8bit，1個(gè)bit=1位二進(jìn)制數(shù)，一位二進(jìn)制數(shù)又可以用0或者1來(lái)表示。所以一個(gè)字節(jié)能表示最大的數(shù)字就是256。計(jì)算機(jī)是美國(guó)人發(fā)明的，而英文中涉及的編碼并不多，一個(gè)字節(jié)可以表示所有字符了，所以ASCII（American national Standard Code for Information Interchange，美國(guó)國(guó)家標(biāo)準(zhǔn)信息交換碼）編碼就成為美國(guó)人的標(biāo)準(zhǔn)編碼。ASCLL碼雖然并須全面，但在所有字符集中，最知名的可能要數(shù)被稱為ASCII的8位字符集了。

Unicode編碼的由來(lái)：

我們都知道中文的字符肯定不止256個(gè)漢字，使用ASCII編碼來(lái)處理中文顯然是不夠的，所以中國(guó)制定了GB2312編碼，用兩個(gè)字節(jié)表示一個(gè)漢字，碰到及其特殊的情況，還會(huì)用三個(gè)字節(jié)來(lái)表示一個(gè)漢字。GB2312還把ASCII包含進(jìn)去了。同理，日文，韓文等上百個(gè)國(guó)家為了解決這個(gè)問(wèn)題發(fā)展了一套自己的編碼，于是乎標(biāo)準(zhǔn)越來(lái)越多，如果出現(xiàn)多種語(yǔ)言混合顯示就一定會(huì)出現(xiàn)亂碼。那么針對(duì)這種編碼“亂象”，Unicode便應(yīng)運(yùn)而生了，其將所有語(yǔ)言統(tǒng)一到一套編碼規(guī)則里。

Unicode編碼的問(wèn)題：

ASCII編碼是1個(gè)字節(jié)，而Unicode編碼通常是2個(gè)字節(jié)。
字母A用ASCII編碼是十進(jìn)制的65，二進(jìn)制的01000001；
字符0用ASCII編碼是十進(jìn)制的48，二進(jìn)制的00110000，注意字符’0’和整數(shù)0是不同的；
漢字中已經(jīng)超出了ASCII編碼的范圍，用Unicode編碼是十進(jìn)制的20013，二進(jìn)制的01001110 00101101。
你可以猜測(cè)，如果把ASCII編碼的A用Unicode編碼，只需要在前面補(bǔ)0就可以，因此，A的Unicode編碼是00000000 01000001。

新的問(wèn)題又出現(xiàn)了：如果統(tǒng)一成Unicode編碼，亂碼問(wèn)題從此消失了。但是，如果你寫的文本基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的存儲(chǔ)空間，在存儲(chǔ)和傳輸上就十分不劃算。
正是由于這樣的原因，使得Unicode編碼一時(shí)間很難推廣，于是，為了較好的解決 Unicode 的編碼問(wèn)題， UTF-8 和 UTF-16 應(yīng)運(yùn)而生。

UTF-8

UTF-8 是目前互聯(lián)網(wǎng)上使用最廣泛的一種 Unicode 編碼方式，它的最大特點(diǎn)就是可變長(zhǎng)。它可以使用 1 - 4 個(gè)字節(jié)表示一個(gè)字符，根據(jù)字符的不同變換長(zhǎng)度。UTF-8 的編碼規(guī)則很簡(jiǎn)單，只有二條：

（1）對(duì)于單字節(jié)的符號(hào)，字節(jié)的第一位設(shè)為0，后面7位為這個(gè)符號(hào)的 Unicode 碼。因此對(duì)于英語(yǔ)字母，UTF-8 編碼和 ASCII 碼是相同的。

（2）對(duì)于需要使用 N 個(gè)字節(jié)來(lái)表示的字符（N > 1），第一個(gè)字節(jié)的前 N 位都設(shè)為 1，第 N + 1 位設(shè)為0，剩余的 N - 1 個(gè)字節(jié)的前兩位都設(shè)位 10，剩下的二進(jìn)制位則使用這個(gè)字符的 Unicode 碼點(diǎn)來(lái)填充。
編碼規(guī)則如下

UTF-16

在了解 UTF-16 編碼方式之前，先了解一下另外一個(gè)概念——“平面”。

在上面的介紹中，提到了 Unicode 是一本很厚的字典，她將全世界所有的字符定義在一個(gè)集合里。這么多的字符不是一次性定義的，而是分區(qū)定義。每個(gè)區(qū)可以存放 65536 個(gè)（2^16）字符，稱為一個(gè)平面（plane）。目前，一共有 17 個(gè)（2^5）平面，也就是說(shuō)，整個(gè) Unicode 字符集的大小現(xiàn)在是 2^21。

最前面的 65536 個(gè)字符位，稱為基本平面（簡(jiǎn)稱 BMP ），它的碼點(diǎn)范圍是從 0 到 2^16-1，寫成 16 進(jìn)制就是從 U+0000 到 U+FFFF。所有最常見(jiàn)的字符都放在這個(gè)平面，這是 Unicode 最先定義和公布的一個(gè)平面。剩下的字符都放在輔助平面（簡(jiǎn)稱 SMP ），碼點(diǎn)范圍從 U+010000 到 U+10FFFF。

接下來(lái)我們?cè)僬刄TF-16，UTF-16編碼采用了不同長(zhǎng)度的編碼表示所有的Unicode碼點(diǎn)。在基本的多語(yǔ)言級(jí)別中，每個(gè)字符用16位表示，通常被稱為代碼單元；而輔助字符采用一對(duì)連續(xù)的代碼單元進(jìn)行編碼。這樣構(gòu)成的編碼值一定落入基本的多語(yǔ)言級(jí)別中空閑的2048字節(jié)內(nèi)，通常被稱為替代區(qū)域（surrogate area）[U+D800–U+DBFF用于第一個(gè)代碼單元，U+DC00–U+DFFF用于第二個(gè)代碼單元]。這樣設(shè)計(jì)十分巧妙，我們可以迅速地知道一個(gè)代碼單元是一個(gè)字符的編碼，還是一個(gè)輔助字符的第一或第二部分。

在Java中，char類型用UTF-16編碼描述一個(gè)代碼單元。所以在Java編程中強(qiáng)烈建議不要使用char類型，除非確實(shí)需要對(duì)UTF-16代碼單元操作。最好將需要處理的字符串用抽象數(shù)據(jù)類型表示。

Unicode編碼與文字處理

在文字處理方面，Unicode為每一個(gè)字符而非字形定義唯一的代碼（即一個(gè)整數(shù)）。換句話說(shuō)，統(tǒng)一碼以一種抽象的方式（即數(shù)字）來(lái)處理字符，并將視覺(jué)上的演繹工作（例如字體大小、外觀形狀、字體形態(tài)、文體等）留給其他軟件來(lái)處理，例如網(wǎng)頁(yè)瀏覽器或是文字處理器。

總結(jié)

以上是生活随笔為你收集整理的Unicode编码详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。