甜橘子，专注成都网站制作网站设计与营销型网站建设与优化
QQ :532337155
电话：028-86922220
字符集就是字符的集合，如常见的 ASCII字符集，GB2312字符集，Unicode字符集等。这些不同字符集之间最大的区别是所包含的字符数量的不同。
创新互联公司自2013年起，是专业互联网技术服务公司，拥有项目做网站、成都网站制作网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元遂溪做网站,已为上家服务,为遂溪各地企业和个人服务,联系电话:13518219792
字符编码则代表字符集的实际编码规则，是用于计算机解析字符的，如 GB2312，GBK，UTF-8 等。字符编码的本质就是如何使用二进制字节来表示字符的问题。
字符集和编码是一对多的关系，同一字符集可能有多种字符编码，如Unicode字符集就有 UTF-8，UTF-16 等。
在前端开发中，Javascript程序是使用Unicode字符集，Javascript源码文本通常是基于UTF-8编码。
但js代码中的字符串类型是UTF-16编码的，这也是为什么会碰到api接口返回字符串在前端出现乱码，因为多数服务都使用utf-8编码，前后编码方式不一致。
说起字符集的发展历程，可以总结为一句话：几乎都是对ASCII字符集的扩展。
我们知道，计算机是使用二进制来处理信息的。
其中，每一个二进制位(bit)有 0和1 两种状态。一个字节(byte)则有8个二进制位，可以有256种状态。
而ASCII就是基于拉丁字母、主要用于显示英文的一种单字节字符集，它的编码和字符是一一对应的，因为它就是使用一个字节8个二进制位来表示，不会超过256个字符。
标准的ASCII字符总计有128个字符(2^7)，其中前面32个控制字符，后面96个是可打印字符，包括常用的大小写字母数字标点符号等。因为只占用了一个字节的后7位，那字节的最高位一般设置为0。
'a'.charCodeAt() // 97
'A'.charCodeAt() // 65
'9'.charCodeAt() // 57
'.'.charCodeAt() // 46
如上，每个字符会对应一个编码(使用数字标识)，总共会从0-128。完整的ASCII码表，网上很容易找到。
通过ASCII码表，我们发现，小写字母并没有和大写字母挨着排序？这是为了方便大小写之间的转换， A 排在 65(64 + 1) 位，而 a 排在 97(64 + 32 + 1) 位。
65 ^ 32 = 97
// A ^ 32 = a
ASCII是几乎所有字符集的基础。
标准的ASCII码最多只能标识128个字符，欧美国家可以很好的使用，但其他国家的字符变多，自然就不够用了。
这个时候，最高位就开始被惦记上，通过扩展ASCII码的最高位，又能满足用于特殊符号的一些国家的需求，这种就是扩展ASCII码。
但是亚非拉更多非拉丁语系的国家，字符成千上万，只能使用新的方式。
如中文，就又进行了扩展，小于127的字符的意义与标准ASCII码相同，当需要标识汉字时，使用2个字节，每个字节都大于127。这种多字节字符集即GB2312，后续因为不断的扩展，如繁体字和各种符号，甚至少数民族的语言符号等等，又使用了包括GBK等不同字符集。
因此，很多国家都制定了自己的编码字符集，基本都是在ASCII的基础上进行的。
各字符集虽然都能够兼容标准ASCII码，但在使用交流上的不便是显而易见的，乱码也是随处可见。为了解决这种各自为战的问题，Unicode字符集就诞生了。
Unicode是国际组织制定的，用于收纳世界上所有文字和符号的字符集方案。
前128个字符同ASCII一样，进行扩充后，使用数字0-0x10FFFF来映射这些字符，最多可以有个字符。目前仍然只使用了其中的一小部分。
Unicode一般使用两个字节来表示一个字符。
每个码点对应一个字符，绝大部分的常见字符在最前面的 个字符，范围是 U+0000到U+FFFF。
一般汉字的码点区间为 U+2E80 - U+9FFF。
字符平面
目前的Unicode分成了17个编组，也称平面，每个平面有个码点。
第一个平面是基本多语言平面，范围：U+0000 - U+FFFF，多数常见字符都在该区间。
其他平面则为辅助平面，范围：U+ 到 U+10FFFF，如我们在网上常见 Emoji 表情。
码元
码元(Code Unit)可以理解为对码点进行编码时的最小基本单元，码元是一个整体。而字符编码的作用就是将Unicode码点转换成码元序列。
Unicode常用的编码方式有 UTF-8 、UTF-16 和 UTF-32，UTF是Unicode TransferFormat的缩写。
UTF-8是8位的单字节码元，UTF-16是16位的双字节码元，UTF-32是32位的四字节码元。
| 编码方式 | 码元 | 编码后字节数 |
|---|---|---|
| UTF-8 | 8位 | 1-4字节 |
| UTF-16 | 16位 | 2字节或者4字节 |
| UTF-32 | 32位 | 4字节 |
另外，为什么总看到使用十六进制数据来表示如码点等各种数据呢？
因为，两位的十六进制正好等于一个字节8位，0xff = 0b。
UTF-8是一种可变长度的字符编码方式。目前是使用 1 到 4 个字节来编码字符。
是互联网时代应用最广的一种编码方式，前端接触的相对最多。
需要注意的是：汉字一般占3个字节，表情符号一般占4个字节。
UTF-8的编码规则：
10 为开头2位。| 字节数 | 码点位数 | 码点范围 | 编码方式 |
|---|---|---|---|
| 1 | 7 | U+0000~U+007F | 0××××××× |
| 2 | 11 | U+0080~U+07FF | 110××××× 10×××××× |
| 3 | 16 | U+0800~U+FFFF | 1110×××× 10×××××× 10×××××× |
| 4 | 21 | U+~U+10FFFF | ××× 10×××××× 10×××××× 10×××××× |
通过上表的编码规则，我们就可以进行各种转换了。
下面我们以一个中文字符的编码转换为例，如汉字 '好'：
'好'的Unicode码点：
'好'.codePointAt() \\，结果是；
在UTF-8的3字节数的编码区间 U+0800 (2048) ~ U+FFFF ()；
的二进制值：，有15位；
而3字节数的编码需要16位，前面补0，根据表中规则分成3组：0101 ；
依次填入对应的前缀： ，得到3个字节；
将得到的三个字节转成十六进制数据：E5 A5 BD，所以汉字 '好' 的UTF-8就是：E5 A5 BD。
我们使用 encodeURI 进行验证————encodeURI函数支持将中文进行 UTF-8 编码：
encodeURI('好') // '%E5%A5%BD'
去除百分号，结果正好一致。
UTF-16的编码方式：基本平面的字符占用 2 个字节（U+0000到U+FFFF），辅助平面的字符占用 4 个字节（U+0到U+10FFFF）。
也就是说，UTF-16的编码长度要么是2个字节要么是4个字节。当为2字节时，则实际上与Unicode相同。
并且还有个原则，在Unicode基本多语言平面内，从U+D800到U+DFFF之间的码点区间是不对应字符的。而UTF-16需要利用这块码位来对辅助平面的字符进行编码。
它的具体规则：
看下面的示例：
- 汉字 '好'，
'好'.codePointAt() //，码点小于U+FFFF，直接进行十六进制转换：579D。- 表情符号 '????'，
'????'.codePointAt() //，码点需要拆分：
- 低位：
Math.floor((( - ) / 1024)) + 0xD800 //, 得到 D83D- 高位：
((- )%1024) + 0xDC00 //，得到 DE04
使用 String.fromCharCode 方法进行验证：
String.fromCharCode(0xD83D, 0xDE04) // '????'
需要明确的一点，Javascript中的字符串是基于UTF-16编码的，大端序字节。
UTF-32是定长的编码，每个码位使用四个字节进行编码。优点是和unicode一一对应，缺点是太浪费空间。
下面将选取字母、汉字、表情字符，进行编码对比查看：
// UTF-8
'a': 97 - 0x61
'好': - (0xE5 0xA5 0xBD)
'????'： - (0xF0 0x9F 0x98 0x84)
// UTF-16
'a': 97 - 0x0061
'好': - 0x597d
'????'： - (0xD83D, 0xDE04)
可以看到，UTF-8是变长1-4个字节，码元为8位；UTF-16是2或4字节，码元是16位。
这里记住UTF-16的码元，对于我们理解下面的问题，比较有帮助。
前面已提到过，javascript中的字符串是基于UTF-16编码的，所以在计算字符串长度时，我们需要先理解UTF-16编码。
下面看下处理字符串时可能会遇到的问题。
字符串的length属性，实际上是使用UTF-16的码元个数来进行计算的：
所以当某个字符中存在2个码元时，就算显示的是一个字符，length却等于2。
'a'.length // 1
'好'.length // 1，多数汉字都是基本字符平面，只有一个码元，长度就为1。
'????'.length // 2
还有一种特殊的，组合字符，一般指一些带标点符号的字符：é。
'é'.length // 2
'e\u0301'.length // 2
// 获取码点时，忽略了标点符号，显示的是字母的码点
'é'.codePointAt() // 101
'e'.codePointAt() // 101
如要正常操作组合字符，使用normalize()。
'é'.normalize().length = 1。
对于多码元字符使用下标取值时，得到的将是它的码元：
'????'[0] // '\uD83D'
'????'[1] // '\uDE04'
'123'[0] // '1'
循环时，使用 for 会乱码，而 for-of 则正常：
let smile = '????'
for(let i = 0; i < smile.length; i++) {
console.log(smile[i])
}
// �
// �
for (let tt of smile) {
console.log(tt)
}
// ????
但，可以使用转换成扩展数组的方式访问：
[...'????'][0] // '????'
Array.from('????') // ['????']
还可以使用码点的方式：
String.fromCodePoint('????'.codePointAt()) // '????'
对于这种特殊字符，使用下面的字符串方法都会分割码元：
split()，slice()，charAt()，charCodeAt()，substr()，substring()。
'????'.slice(0, 2) // '????'
'????'.slice(0, 1) // '\uD83D'
'????'.slice(1, 2) // '\uDE04'
'????'.substr(0,1) // '\uD83D'
'????'.substr(0,2) // '????'
'????'.split('') // ['\uD83D', '\uDE04']
ES6在正则中添加了u修饰符，用来正确处理大于\uFFFF的 Unicode 字符。
也就是能够正确处理四个字节的 UTF-16 编码。
/^\S$/.test('????') // false
/^\S$/u.test('????') // true
但对组合字符，u修饰符不起作用：
/^\S$/u.test('é') // false
/^\S$/u.test('e\u0301') // false
我们还需要注意的，是转义字符的计算，结果会以实际字符为准：
'\x3f'.length // 1
'?'.length // 1
读取操作时，也能正常处理：
'\x3f'[0] // '?'
'\x3f'.split('') // ['?']
前端在对Unicode编码处理时，提供了一些可以使用的API，在实际工作中，会方便我们处理这方面的问题。
'a'.charAt() // 'a'
'????'.charAt() // '\uD83D'
'????'.charAt(1) // '\uDE04'
// 小于 U+FFFF
'好'.codePointAt() //
'好'.charCodeAt() //
// 大于 U+FFFF
'????'.charCodeAt() //
'????'.charCodeAt(1) //
'????'.codePointAt() //
'????'.codePointAt(1) //
String.fromCharCode(, , 123) // '????{'
String.fromCodePoint(, 123, 8776) // '????{≈'
TextEncoder，使用 UTF-8 编码将代码点流转换成字节流。
TextDecoder：解码。
默认编码方式就是UTF-8，可以解决字符转UTF-8编码的问题。
const txtEn = new TextEncoder()
const enVal = txtEn.encode('好')
// Uint8Array(3)[229, 165, 189]
const txtDe = new TextDecoder()
txtDe.decode(enVal) // '好'
IE不支持。
对于语调符号和重音符号，Unicode提供了两种方法，一种是直接提供带符号的字符，如 é (码点233)；另一种是组合字符，如上文提到的 é (码点101)。
针对这种码点不同，但实质一样的字符，Javascript识别不了：
'é' === 'é' // false
而 normalize() 方法的引入，正是为了解决这一问题，它会按照一定的方式将字符的不同表示方法统一为标准形式：
'é' === 'é'.normalize() // true
另外，在前端常接触的网页中，URL链接编码也是非常常见的。诸如：'http%3A%2F%2Fbaidu.com%2F%E4%B8%AD%E5%9B%BD'。这里面涉及到的就是关于UTF-8的编码。
而JavaScript提供了四个URL的编码/解码方法，可以用于将非ASCII码的字符，如中文字符、特殊字符、表情字符等，进行UTF-8的编解码操作：
他们的短处也很明显，对ASCII字符如英文数字等字符无法处理。
这里的转换方式：先转为UTF-8的字节码，然后前面加个 % 进行拼接得到编码结果。
encodeURI('好') // '%E5%A5%BD'
decodeURI('%E5%A5%BD') // '好'
encodeURIComponent('好') // '%E5%A5%BD'
decodeURIComponent('%E5%A5%BD') // '好'
encodeURI('hello') // 'hello'
encodeURIComponent('hello') // 'hello'
encodeURIComponent('????') // '%F0%9F%98%84'
这两者的不同之处，在于对部分URL元字符符号的处理上。
URL元字符：分号（;），逗号（’,’），斜杠（/），问号（?），冒号（:），at（@），&，等号（=），加号（+），美元符号（$），井号（#）。
encodeURIComponent会对这些URL元字符进行编码，但是encodeURI则不会：
encodeURIComponent(';,/@&=') // '%3B%2C%2F%40%26%3D'
encodeURI(';,/@&=') // ';,/@&='