JS中编码操作

常见的网页设计编码：Unicode的UCS-2 UCS-4 UTF-8 UTF-16 UTF-32以及ASCII和ANSI。

要知道JS最初定稿时使用的编码是UCS-2（因为那时候还没UTF-16，本质：UTF-16就是对UCS-2的扩展，前面的65536个字符就是UCS-2本身，后面的一直到10FFFF编号的字符是UTF-16新增的字符集），后来的ES6标准中加入了对UTF-16的支持。

题外话：现在已经没有UCS编码了，UCS的组织是ISO（国际标准化组织），而Unicode是多个多语言软件公司组成的一个组织，他们最后都同意整合各自的编码规则使世界字符编码规则趋于统一。最后的统一世界编码的项目名便是Unicode，UCS-2是旧时对65536个字符的统一编码的解决方案，而UCS-4是对到10FFFF编号的字符解决方案，UTF-32就是UCS-4（始终用4字节来存储字符），变了个新名字而已。UTF-8和16有对应的各自编码转换规则，这里就不说了。GBK的话就是编码序号对应每个汉字（一对一查表，无法通过计算获取对应字符，是地方语言编码规则，仅限在中国大陆使用），无对应的转换规则可用。再说一下UTF-16代理对的含义，在UTF-16中为了要表示剩下的16个平面字符（UTF-16范围是到10FFFF为止的，共17个平面），在基本平面的D800~DFFF这些码点设为代理，一共可以代理1024的平方个，正好是剩下的16个平面的范围。另外，如果出现ANSI的编码，说明该编码从ASCII扩展过来，比如你在中文操作系统中，在ASCII编码的文件中输入了汉字（即超出ASCII范围的字符）那么ASCII自动扩展为ANSI，在这里即GBK，如果是繁体中文操作系统那么ANSI即BIG5。

以下有"-ES6"标记的函数是ES6标准新加进来的。

String.fromCodePoint(十进制的utf-16); -ES6 //返回基本数据类型，字符串

String.fromCharCode(十进制的UCS-2); //返回基本数据类型，字符串

stringObj.charAt(index); //返回基本数据类型，字符串

stringObj.charCodeAt(index); //返回十进制的该字符UCS-2值

stringObj.codePointAt(index); -ES6 //返回十进制的UTF-16值，然后该Index不是代理对直接返回这个字符UTF-16值

stringObj.at(index); -ES6 //对UTF-16字符的charAt()实现

\u{....} 用来表示UTF-16字符的Unicode引用

/..../u 用来向正则表达式说明该模式编码为UTF-16

附一个UTF-8转码范围表：

Unicode范围：	位数：	UTF-8	字节：	备注：
0000~007F	0~7	0XXX XXXX	1	标准ASCII码
0080~07FF	8~11	110X XXXX 10XX XXXX {1}	2	除东亚的基本世界字符（东亚字符占世界所有字符的70%）
0800~FFFF	12~16	1110 XXXX 10XX XXXX {2}	3	基本平面：0~FFFF
1 0000~1F FFFF	17~21	1111 0XXX 10XX XXXX {3}	4	Unicode6.1定义的范围：0~10 FFFF（1 16个平面）
20 0000~3FF FFFF	22~26	1111 10XX 10XX XXXX {4}	5
400 0000~7FFF FFFF	27~31	1111 110X 10XX XXXX {5}	6	通用字符集的极限

 

字符串"a我易"：

UTF-8：（61）（ E6 88 91）（ E6 98 93）

UTF-8 BOM：（EF BB BF）（ 61）（ E6 88 91）（ E6 98 93）

ANSI（GBK）：（61）（ CE D2）（ D2 D7）

UCS-2：（FF FE）（ 61 00）（ 11 62）（ 13 66）

UCS-2 BE：（FE FF）（ 00 61）（ 62 11）（ 66 13）

UTF-16：（FF FE）（ 61 00）（ 11 62）（ 13 66）

UTF-16 BE：（FE FF）（ 00 61）（ 62 11）（ 66 13）

UTF-32：（FF FE 00 00）（ 61 00 00 00 ）（11 62 00 00 ）（13 66 00 00）

UTF-32 BE：（00 00 FE FF）（ 00 00 00 61 ）（00 00 62 11）（ 00 00 66 13）

字符串"a我\u{1D306}"，其中\u{1D306}是一个非基本平面的字符，该字符为：?（有些浏览器可能不支持显示该字符，正常显示的话，该字符类似汉字“三”多一横）

UTF-8：（61）（ E6 88 91）（ F0 9D 8C 86）

UTF-16：（FF FE ）（61 00 ）（11 62 ）（34 D8 06 DF）

UTF-32：（FF FE 00 00）（ 61 00 00 00）（ 11 62 00 00）（ 06 D3 01 00）

 

更多专业前端知识，请上 【猿2048】www.mk2048.com