文章插图
这里编码最多也就存在UCS-2（big Endian和LittleEndian先不管，后面会讲） 。
Unicode字符集只规定了码点和文字之间的对应关系，并没有规定码点在计算机中如何存储 。UCS-2和UCS-4就规定了具体的实现，后来改进演变为了UTF-16, UTF-32 。然后又创造了一种全新的简单粗暴好用的变长编码UTF-8，于是乎这三哥们就形成了现代Unicode字符集编码实现的三剑客 。
（3）UTF-16与UTF-32
Unicode与ISO 10646合并统一后，Unicode与 ISO 10646 的通用字符集概念（UCS）相对应 。早期实现Unicode用的编码是UCS-2，后来随着发展发现 216（即65536）个字符不能满足了，Unicode标准本身发生了变化：65536个字符显得不足，引入了更大的31位空间和一个编码（UCS-4），每个字符需要4个字节 。
但是统一码联盟对此予以抵制（这就是为什么我之前说UCS-4是一种理论编码，根本就没付诸实际），这是因为每个字符4个字节浪费了很多磁盘空间和内存，并且因为一些制造商已经在每个字符2个字节的技术上投入了大量资金 。所以最后通过一系列巴拉巴拉讨论规定形成了一种折衷方案，建立了UTF-16编码方案（此时Unicode标准2.0），它替代了原有的UCS-2，并做了改进 。
它与UCS-2一样，它使用两个字节为全世界最常用的63K字符编码，不同的是，它使用4个字节对不常用的字符进行编码 。目的就是为了支持从17个平面编码1,112,064个代码点 。
UTF-16属于变长编码 。我们可以将UTF-16编码看成是UCS-2编码父集 。在没有辅助平面字符（surrogate code points）前，UTF-16与UCS-2所指的是同一意思 。但当引入辅助平面字符后，就称为UTF-16了 。
现在应该认为UCS-2已作废，如果有人还用这种，也不必纠结，它就是表达用定长2字节编码，自己心里清楚就行（基本上你查维基百科上UCS-2都是重定向到UTF-16） 。
另外当时ISO 10646的UCS-4编码并入了Unicode标准，而UCS-4有20多亿个编码空间，但实际使用范围并不超过0x10FFFF，并且为了兼容Unicode标准，ISO也承诺将不会为超出0x10FFFF的UCS-4编码赋值 。
由此提出了实实在在的UTF-32编码（现在也应该认为UCS-4像UCS-2一样作废，维基百科上UCS-4也重定向到UTF-32页面），它的编码值与UCS-4相同，只不过其编码空间被限定在了0~0x10FFFF之间 。因此也可以说：UTF-32是UCS-4的一个子集 。
（现在若有软件声称自己支持UCS-2，那其实是暗指它不能支持在UTF-16中超过2字节的字集 。）
UTF-16（16 位 Unicode转换格式）是一种字符编码，能够对Unicode的所有1,112,064个有效码点进行编码（实际上，此代码点数由UTF-16的设计决定，这个你细品你就知道什么意思，就好像某个班有55个人，根据55个座位确定55个人，而55个座位这个多少是由55个人决定的，两者是相互的，这是一个哲学道理，hh扯远了，所以其中意味自行明白） 。
前面提到过：Unicode编码点分为17个平面（plane），每个平面包含216（即65536）个码位（codepoint），而第一个平面称为“基本多语言平面”（Basic Multilingual Plane，简称BMP），其余平面称为“辅助平面”（Supplementary Planes） 。其中“基本多语言平面”（00xFFFF）中0xD8000xDFFF之间的码位作为保留，未使用 。
UCS-2只能编码“基本多语言平面”中的字符，此时UTF-16与UCS-2的编码一样（都直接使用Unicode的码位作为编码值），例：“汉”在Unicode中的码位为6C49，而在UTF-16编码也为6C49 。
另外，UTF-16还可以利用保留下来的0xD800-0xDFFF区段的码位来对“辅助平面”的字符的码位进行编码，因此UTF-16可以为Unicode中所有的字符编码 。
UTF-16和UTF-32也就是如今Unicode编码的标准之二，他们的区别就是UTF-16是变长编码，大部分是2字节和少部分4字节，UTF-32是定长编码，表示任何字符都用 4 字节
（4）UTF-8
从前述内容可以看出：无论是UCS-2/4还是UTF-16/32，一个字符都需要多个字节来编码，这对那些英语国家来说多浪费带宽啊！（尤其在网速本来就不快的那个年代......），而且我们注意到UTF-16最少2字节和UTF-32不变4字节，这肯定是不兼容ASCII码的，由此，UTF-8产生了 。
在UTF-8编码中，ASCII码中的字符还是ASCII码的值，只需要一个字节表示，其余的字符需要2字节、3字节或4字节来表示 。
UTF-8的编码规则：
- 对于ASCII码中的符号，使用单字节编码，其编码值与ASCII值相同 。其中ASCII值的范围为0~0x7F，所有编码的二进制值中第一位为0（这个正好可以用来区分单字节编码和多字节编码） 。
推荐阅读
- 摩托车，考试题目内容讲解分析
- 一篇长文学懂入门推荐算法库：surprise
- 打官司，证据最重要，关于证据种类的最全面讲解，建议收藏
- 深入Facebook 官方React 状态管理器Recoil讲解
- 普洱熟茶讲解,大益荷叶普洱熟茶
- python的Django的DTL模板示例讲解
- 长文 2021年好喝的绿茶推荐攻略｜附绿茶选购技巧、高性价比店铺推荐、饮用事项及存储方法
- S5130 华三交换机初始化配置讲解
- 为什么葡萄酒底部会有个很深的凹槽？听完行内人讲解，涨知识了
- 为什么别人能用好 MySQL？万字详解其复杂原理
