unicode学习笔记

最近在做emoji的开发，需要了解到unicode的知识。学习笔记如下。

1，unicode码是跨平台通用的，它是一个数字，代表了计算机上显示出来的符号（比如：中日韩象形文字、拉丁字符等）；

2，unicode用数字0-0x10FFFF来映射这些字符；

3，UTF-8以字节为单位对unicode进行编码。可以使用1~6个字节不等去表示一个unicode码，如下所示。

Unicode/UCS-4	bit数	UTF-8	byte数
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个字节，以E开头；

5，java中的String使用UTF-16方式存储；

6，UTF-16中，字符值在U+0000到U+FFFF(注意U+D800到U+DBFF无定义)之间的字符(也叫做BMP, Basic Multilingual Plane)，直接用两个字节表示。 字符值在U+10000到U+10FFFF(共有0xFFFFF个字符)之间的字符(也叫做增补字符集, supplementary characters)，需要用四个字节表示。