Tee*_*moh 1 javascript string binary encoding character-encoding
在JavaScript中，我可以使用charCodeAt-method从单个字符获取Unicode。
当我使用它将字符串转换为unicode号时，我将得到以下结果：
"A".charCodeAt(0) === 65
"?".charCodeAt(0) === 2410
将这些十进制数字转换为二进制数字将如下所示：
"A".charCodeAt(0).toString(2) === "1000001" // 1 byte, with padleft: "01000001"
"?".charCodeAt(0).toString(2) === "100101101010" // 2 bytes, with padleft: "0000100101101010"
这意味着，？符号使用2个字节来表示。但是阅读过程如何知道呢？
也可能是两个不同的字符" "和"j"：
String.fromCharCode(parseInt("00001001", 2)) === " " // horizontal tabulator
String.fromCharCode(parseInt("01101010", 2)) === "j"。
那么二进制读取过程如何知道一个字符使用多少个字节？是否有分隔符之类的东西？
Unicode将每个字符*映射到整数“代码点”。有效的代码点是U + 0000到U + 10FFFF，允许超过一百万个字符（尽管大多数字符尚未分配）。
（*比这要复杂一些，因为存在“组合字符”，其中一个用户可感知的字符可以用多个代码点表示。有些字符既有预先组成的，也有分解后的表示。例如，西班牙语字母ñ可以表示为单个代码点U + 00F1，也可以表示为序列U + 006E U + 0303（n+组合代字号）。
可以使用三种不同的编码形式（不算另类编码，如UTF-9和UTF-18）来表示字符串中的Unicode字符。
UTF-32是最简单的一种：每个代码点都由一个32位整数表示。因此，例如：
A （U + 0041）= 0x00000041ñ （U + 00F1）= 0x000000F1? （U + 096A）= 0x0000096A尽管简单，但UTF-32使用大量内存（每个字符4个字节），很少使用。
UTF-16使用16位代码单元。字符U + 0000至U + FFFF（“基本多语言平面”）直接表示为单个代码单元，而字符U + 10000至U + 10FFFF则表示为“代理对”。具体来说，您从代码点减去0x10000（得出20位数字），并使用这些位填写二进制序列110110xxxxxxxxxx 110111xxxxxxxxxx。例如，
A （U + 0041）= 0x0041ñ （U + 00F1）= 0x00F1? （U + 096A）= 0x096A为了使该系统正常工作，代码点U + D800至U + DFFF被永久保留用于此UTF-16代理机制，并且永远不会分配给“实”字符。
这是一种向后兼容的“ hack”，可以在1990年代的平台上表示完整的17-“平面” Unicode代码空间，该平台的设计期望Unicode字符始终为16位。这包括Windows NT，Java和JavaScript。
UTF-8表示具有1-4个字节序列的Unicode代码点。具体来说，每个字符用以下最短的字符表示：
因此，使用前面的示例：
A （U + 0041）= 0x41ñ （U + 00F1）= 0xC3 0xB1? （U + 096A）= 0xE0 0xA5 0xAA这种编码具有以下特性：可以从第一个字节的值确定序列中的字节数。此外，可以容易地将前导字节与连续字节区分开：