字符编码(三)
上期：
字符编码(二)-CSDN博客
Unicode 字符集
Unicode字符集是一个国际标准，旨在为世界上所有的书写系统和符号提供一个统一的编码方案。它不仅涵盖了现代语言中的字符，还包括了历史上的文字、数学符号、技术符号、表情符号等，几乎覆盖了人类历史上所有已知的字符。通过为每个字符分配一个唯一的编号（称为代码点或码位），Unicode确保了不同平台、程序和语言之间的互操作性。
Unicode官方网址
Unicode – The World Standard for Text and Emoji
代码图
Unicode 16.0 字符代码表
Unicode的发展背景
在Unicode出现之前，计算机行业存在着数百种不同的编码标准，每种编码只能涵盖有限数量的语言字符，并且这些编码之间可能存在冲突。例如，两个不同的编码可能使用相同的数字表示不同的字符，或者用不同的数字表示同一个字符。这种不一致性导致了数据交换时的问题，尤其是在跨国界或跨文化的环境中。
为了克服这些问题，Unicode联盟（The Unicode Consortium）成立，其目标是创建一个包含全球所有字符的单一编码标准。自1991年发布第一个版本以来，Unicode已经经历了多次更新，不断扩展以纳入更多的字符和支持更多的语言。
Unicode的基本概念
-
抽象字符：Unicode定义了一个抽象字符的概念，即字符本身与其任何特定的视觉表现形式无关。这意味着即使同一个字符在不同的字体中有不同的外观，它们仍然被认为是同一个字符。
-
代码点：每个抽象字符都被赋予了一个独一无二的标识符——代码点（Code Point）。代码点通常表示为
U+后面跟着四位到六位的十六进制数，如大写字母A的代码点是U+0041。 -
平面（Plane）与区块（Block）：Unicode将代码点划分为多个平面，其中基本多语言平面（Basic Multilingual Plane, BMP）是最常用的，包含了从
U+0000到U+FFFF的65,536个位置。除此之外还有16个辅助平面，用于容纳更多的字符。每个平面又被细分为若干个区块，每个区块包含一组相关的字符。
Unicode的编码形式
虽然Unicode定义了一个庞大的字符集，但它并没有规定具体的字节表示方法。为了能够在实际的计算机系统中传输和存储这些字符，Unicode提供了几种不同的编码形式：
-
UTF-8：这是一种变长编码方式，可以使用1到4个字节来表示不同的字符。UTF-8的一个重要特点是它与ASCII兼容，对于ASCII范围内的字符（
U+0000至U+007F），UTF-8直接使用单字节表示，这使得它成为互联网上传输文本数据的事实标准。 -
UTF-16：该编码方式既可以是定长也可以是变长的。对于BMP内的字符，UTF-16使用两个字节表示；而对于超出BMP的字符，则需要四个字节（一对代理项）。UTF-16主要用于Windows操作系统和其他一些环境。
-
UTF-32：这是一种固定长度的编码方式，每个字符都使用四个字节表示。尽管简单直接，但由于占用空间较大，因此应用不如前两者广泛。
Unicode与其他编码的关系
随着Unicode标准的普及，越来越多的传统编码逐渐被取代。然而，在某些情况下，旧有的编码仍然会被使用，特别是在那些对性能敏感的应用场景下，或是处理历史数据时。例如，GBK是中国大陆地区常用的中文编码之一，它基于GB2312进行了扩展，以支持更多的汉字。尽管如此，Unicode因其广泛的适用性和良好的兼容性，已经成为现代软件开发不可或缺的一部分。