unicode學習筆記

最近在作emoji的開發，須要瞭解到unicode的知識。學習筆記以下。

1，unicode碼是跨平臺通用的，它是一個數字，表明了計算機上顯示出來的符號（好比：中日韓象形文字、拉丁字符等）；

2，unicode用數字0-0x10FFFF來映射這些字符；

3，UTF-8以字節爲單位對unicode進行編碼。可使用1~6個字節不等去表示一個unicode碼，以下所示。

Unicode/UCS-4	bit數	UTF-8	byte數
0000~007F	0~7	0XXX XXXX	1
0080~07FF	8~11	110X XXXX 10XX XXXX	2
0800~FFFF	12~16	1110XXXX 10XX XXXX 10XX XXXX	3
1 0000~1F FFFF	17~21	1111 0XXX 10XX XXXX 10XX XXXX 10XX XXXX	4
20 0000~3FF FFFF	22~26	1111 10XX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX	5
400 0000~7FFF FFFF	27~31	1111 110X 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX	6

4，softbank的encode是2個字節，以E開頭；

5，java中的String使用UTF-16方式存儲；

6，UTF-16中，字符值在U+0000到U+FFFF(注意U+D800到U+DBFF無定義)之間的字符(也叫作BMP, Basic Multilingual Plane)，直接用兩個字節表示。 字符值在U+10000到U+10FFFF(共有0xFFFFF個字符)之間的字符(也叫作增補字符集, supplementary characters)，須要用四個字節表示。