unicode
計算機的世界是二進制的世界，無論文字音頻傳輸存儲之時都要落實到二進制上。而起源於西方的計算機技術自然深根於他們的文化，於是最初的ascii碼基本只是西方的文字編碼集。隨着計算機的普及，各個國家各個民族基本都爲自己的文字創立了字符集。多而雜的規則爲數據的傳輸交換帶來巨大困難。是時候要統一字符集了。
unicode應運而生。unicode旨在爲所有字符統一編碼。
unicode的UCS2標準用兩個字集，16位來表示字符，因此它的容量是216個。
uft-8
在大家都使用unicode的時候，英文字母和符號由原本ascii下的一個字節變成兩個字節，這無疑是一種浪費。於是UTF(unicode transfer format)這種變長編碼又出現了，它專門爲傳輸而設計。unicode相當一個map，爲每個字符賦一個編碼。而utf則對這些編碼再次編碼，以便於傳輸存儲。utf-8表示8位的編碼格式，還有uft-16,utf-32。
unicode與uft-8之間的轉換關係
unicode編碼爲utf-8時規則如下：
- 對於0-127之間的編碼，以一個字節表示，即其二進制編碼。
- 128及以上，如果編碼後的uft-8是n個字節，則第一個字節的編碼起始爲連續的n個1和一個0，後續字節皆以10開頭，剩餘部分纔是存放真實值的地方，這裏說的n個1+0 和 10就像是來描述協議的暗號一樣。
| unicode 編碼範圍(binary) | uft-8(binary) |
|---|---|
| 0~0111 1111 | 0xxx xxxx |
| 0000 1000 0000 ~ 0111 1111 1111 | 110x xxxx 10xx xxxx |
| 0000 1000 0000 0000 ~ 0111 1111 1111 1111 | 1110 xxxx 10xx xxx 10xx xxxx |
utf-8以八個字節爲一個單位編碼，其中字節符合 ^1{2,}0 規則的是開始字節，一個開始字節後面跟的隨1-6個輔助字節，每個輔助字節以10開頭，所以可以承載的信息是6位。那麼我們可以輕易計算出utf-8各個變長編碼組的容量範圍：
- 一個n個字集編碼的 utf-8 的有效位是 (8-n-1)+n*6,得出上限值M。
2.用1的方式計算出 n-1 個字集編碼表達的上限N。
所以n個utf-8字節編碼表達的unicode值範圍是，N+1~M。經計算：
| utf-8 字節數(dec) | 編碼值範圍(dec) |
|---|---|
| 1 | 0-127 |
| 2 | 128-2047 |
| 3 | 2048-65535 |
| 4 | 65536-2097151 |
舉一個例子來描述這種轉換規則：
漢字“中”的unicode編碼十六進制數爲：4e2d，十進制爲：20013， 二進制爲：0100 1110 0010 1101，區間在2048-65535，所以是三個字節。
所以將其二進制填充進 1110 xxxx 10xx xxx 10xx xxxx的x中，得出的結果是1110 0100，1011 1000，1010 1101。得出utf-8十六進制爲 e4 b8 ad。
javascript中的unicode和utf-8
js中escape是對字符進行unicode編碼，而encodeURI和encodeURIComponent是utf-8編碼。