前端日拱一卒D6——字符編碼與瀏覽器解析

前言

餘爲前端菜鳥，感姿式水平匱乏，難觀前端之大局。遂決定循前端知識之脈絡，以興趣爲引，輔以幾分堅持，望於己能解惑致知、於同道能助力一二，豈不美哉。

本系列代碼及文檔均在 此處

字符編碼

ASCII碼

• 一個字節，佔用後7位，128個字符，對應關係可查表

Unicode字符集

• 一個旨在包含全世界全部字符的集合
• Unicode字符集爲每一個字符定義了一個碼點，Unicode分區定義，其中碼點ox0000 - oxFFFF 對應爲基本平面(1個)，碼點ox010000 - ox10FFFF 爲輔助平面(16個)。
• 每一個平面最多可存放2^16個字符

UTF-32 UTF-8 UTF-16

• Unicode只定義了字符->碼點的映射，並無說明如何儲存字符，字節序涉及到具體編碼方法。
• UTF-32是用4字節(32位，8個16進制位)來表示一個字符，能夠作到一一對應全部Unicode碼位，但顯然這樣很浪費空間

爲何是四字節不是三字節？算上全部平面也就最多到10FFFF，24位，按理說三字節就夠了。

• UTF-8是一種變長的編碼方式，從1-4字節不等
• UTF-16
  • 基礎平面字符用兩個字節表示，輔助平面用四個字節
  • 輔助平面有最多16 * 2^16 = 2^20次個字符，對應到20個二進制位，則將其分紅兩部分，前10位映射在U+D800到U+DBFF，後10位映射在U+DC00到U+DFFF

JavaScript使用的編碼

• USC-2

  • UTF-16晚於js誕生...因此當時選用了USC-2，後來這東西被UTF-16取代了
  • UCS-2使用兩個字節來對應碼點和表示字符，致使四字節的字符會被當作兩個兩字節字符處理，致使字符操做函數返回結果可能不對

• ES6

  • 碼點表示：2字節\u597D, 4字節\u{1D306}
  • 其餘改進：興趣不大...略過

HTML解析器

待補充

雖發表於此，卻畢竟爲一人之言，又是每日學有所得之筆記，內容未必詳實，看官老爺們還望海涵。