Unicode編碼

1. 簡介

   Unicode編碼是一種統一標識字符串的方法，即一個字符串對應一個編號（code point），表示爲U+xxxx。其中xxxx爲十六進制的編號，範圍是000000~10FFFF。

2. 分類

• utf-32:每一個字符都用四個字節存儲，徹底對應編號。

  優勢：查找快

  缺點：費空間

• utf-16:變長的存儲方式，基本平面的(U+0000~U+FFFF)2個字節，輔助平面的(U+010000~U+10FFFF)4個字節。

  在基本平面中，U+D800~U+DBFF是空的，故能夠用來標識並存儲輔助平面的高10位，低10位在下一個字符的U+DC00~U+DFFF中。這樣就將輔助平面的20位分別存放在兩個16位的字符中了。

• utf-8:變長的存儲方式，1～4個字節不等。

• ucs