1.字符集vs字元編碼，編碼&解碼
character----->code point----->bytes
前兩者字符集的關係，可以統稱為codepoint；從codepoint到在計算機上的儲存形式，稱為編碼，反過來稱為解碼；
字符集：單個符號（character）對應乙個無符號數字（通常16進製表示，稱為**點code point），這種對應關係稱為字符集
字元編碼：**點與二進位制的對應關係稱為字元編碼，記憶體或磁碟儲存資料的形式為二進位制
我國發布的：gb2312---gbk(gb2312的擴充套件)相容ascii
乙個位元組中的1位區分，1表示gb2312字符集，0表示ascii字符集
最多可以表示94*94個字元，留有一部分擴充套件
編碼主要是euc-cn,相容ascii
utf-8,utf-16，變長編碼
utf-16，兩個位元組變長編碼(2,4)
utf-8，(1,2,3,4)
utf-32，定長編碼（4位元組）
unicode 字元分為 17 組平面，每個平面擁有 2^16 (65,536)個碼位.有一些碼位沒有分配字元，也有一些碼位被保留，成為私有的，也有一些碼位是永遠被保留的，作為無字元的標誌。每乙個碼位都可以用 16 進製 xy0000 到 xyffff 來表示，這裡的 xy 是表示乙個 16 進製的值，從 00 到 10。
這第乙個位置(當 xy 是 00 的時候)被稱為 bmp (基本多文種平面, basic multilingual plane)。它包含了最常用的碼位從 u+0000 到 u+ffff。
6.js的utf-16（歷史遺留問題，js選用utf-16)：
兩個位元組為乙個單元，length為1utf-16 (be) fe ff 254 255 big endian 大端
utf-16 (le) ff fe 255 254 little endian 小端
utf-16 與 utf-32 還有乙個不明顯的缺點。我們知道不同的計算機儲存位元組的順序是不一樣的，這也就意味著u+4e2d 在 utf-16 可以儲存為4e 2d，也可以儲存成2d 4e，這取決於計算機是採用大端模式還是小端模式，utf-32 的情況也類似。為了解決這個問題，引入了 bom (byte order mark)，它是一特殊的不可見字元，位於檔案的起始位置，標示該檔案的位元組序。對於 utf-16 來說，bom 為u+feff（ff 比 fe 大 1），如果 utf-16 編碼的檔案以ff fe開始，那麼就意味著其位元組序為小端模式，如果以fe ff開始，那麼就是大端模式。
其他 utf-* 編碼的 bom 可以參考 representations of byte order marks by encoding
1）不考慮隨機訪問，utf-8，查詢第n個字元時間複雜度（o(n)）
2）隨機訪問，只用65535之內的字元，utf-16，時間複雜度（o(1)）
3）隨機訪問，超過了65535，utf-32,o(1)
PHP解碼unicode編碼
function unicode decode name arr json decode json,true if empty arr return return arr str 方法二 轉換編碼，將unicode編碼轉換成可以瀏覽的utf 8編碼 pattern w u w i preg matc...
字元編碼 unicode編碼
1.ascii american standard code for information interchange 美國資訊交換標準 這是計算機上最早使用的通用的編碼方案。那個時候計算機還只是拉丁文本的專利，根本沒有想到現在計算機的發展勢頭，如果想到了，可能一開始就會使用unicode了。當時絕大...
unicode 編碼雜記
unicode，統一碼，可包含世界上所有國家的字元，每乙個字元用兩個位元組表示！utf 16，基本上就是unicode雙位元組編碼方式的實現，再加上乙個未來擴充套件需求的編碼機制 utf 8，unicode的不等幅編碼機制，英文保持不變，其他用兩個或三個位元組表示，如中文用三個位元組表示 ucs 2...