Unicode编码

1. 简介

   Unicode编码是一种统一标识字符串的方法，即一个字符串对应一个编号（code point），表示为U+xxxx。其中xxxx为十六进制的编号，范围是000000~10FFFF。

2. 分类

• utf-32:每个字符都用四个字节存储，完全对应编号。

  优点：查找快

  缺点：费空间

• utf-16:变长的存储方式，基本平面的(U+0000~U+FFFF)2个字节，辅助平面的(U+010000~U+10FFFF)4个字节。

  在基本平面中，U+D800~U+DBFF是空的，故可以用来标识并存储辅助平面的高10位，低10位在下一个字符的U+DC00~U+DFFF中。这样就将辅助平面的20位分别存放在两个16位的字符中了。

• utf-8:变长的存储方式，1～4个字节不等。

• ucs