目录结构：

contents structure [+]

什么是USC

UCS的编码方式

Unicode的来源

为什么需要Unicode
Unicode的方式

Unicode和UTF

UTF和Unicode的关系

UTF-8的编码方式
UTF-16的编码方式
什么是BOM
参考文章

1，什么是USC

USC是Universal Character Set的简称，也就是“通用字符集”，由ISO（International Organization for Standardization，国际标准化组织）制定的ISO 10646（或称ISO/IEC 10646）标准所定义的标准字符集。

1.1，USC的编码方式

USC有两种编码方式，分别为USC-2和USC-4。其中USC-2代表使用两个字节表示一个字符，USC-4代表使用4个字节表示一个字符。

2，Unicode的来源

2.1，为什么需要Unicode

计算机最开始在美国使用。一个字节有8位，也就是2的8次方，共表示256种状态。但是美国人的所有字符加起来，他们也就只用了128个，即使2的7次方，就是我们所熟知的ASCII编码。但是随着计算机的发展，慢慢地计算机被推广到全球，那么ASCII码中128个字符肯定不能够表示世界所有文化中的文字。由于世界文化的差异，因此全球许多国家编制了一套自己的字符对照表，比如：中国编制的GB2312（采用两个字节表示一个字符）。这种情况下，编码就出现了混乱，每个国家都有一套自己的编码，每个国家都不认识彼此的编码，这样极不利于计算机的推广和规范化。因此，ISO在这个时候站出来了，并且制定了一套USC(Universal Character Set)字符对照表，这套对照表就是Unicode前身。

2.2，Unicode的方式

我们现在知道了Unicode就是一个基于USC的字符对照表，接下来我们算一算USC最多能够表示的字符数量。如果采用USC-4，那么4个字节表示一个字符，也就是可以表示0xFFFFFFFF种字符，但是Unicode只表示到其中的0x10FFFF，所以Unicode表示范围是从0到0x10FFFF。UCS-4根据最高位为0的最高字节分成2⁷=128个group。每个group再根据次高字节分为256个平面（plane）。每个平面根据第3个字节分为256行（row），每行有256个码位（cell）。group 0的平面0被称作BMP（Basic Multilingual Plane 基本多文种平面）。如果UCS-4的前两个字节为全零，那么将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。每个平面有2¹⁶=65536个码位。Unicode计划使用了17个平面，一共有17×65536=1114112个码位。在Unicode 5.0.0版本中，已定义的码位只有238605个，分布在平面0、平面1、平面2、平面14、平面15、平面16。其中平面15和平面16上只定义了两个各占65534个码位的专用区（Private Use Area），分别是0xF0000-0xFFFFD和0x100000-0x10FFFD。其中平面0上也定义了6400个码位的专用区域，就是0xE000-0xF8FF，还定义了2048个码位的代理区域，就是0xD800-0xDFFF。所谓专用区，就是保留给大家放自定义字符的区域，可以简写为PUA。0平面上的代理区域就是使用两个UTF-16字符表示BMP以外的字符。在Unicode5.0.0中，如果平面0，平面1，平面2，平面14，平面15，平面16中都把码位定义满了（平面15和平面16都只定义了65534个码位），则总码位=65536*6-4=393212个，但是在Unicode5.0.0中却只有238605个码位，所以6个平面中肯定还有一些平面没有完全定义。

最高字节（group）

次高字节（plane）

第三字节（row）

第四字节（cell）

平面范围

备注

group 0, plane 0（BMP）

0000 0000 -

0000 0000

0000 0000-

0000 0000

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0 -

0xFFFF

Unicode已定义60528个码位

其中：0xE000-0xF8FF表示专用区域。

0xD800-0xDFFF表示代理区域。

有27973个码位表示汉字。

group 0, plane 1

0000 0000 -

0000 0000

0000 0001 -

0000 0001

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x10000 -

0x1FFFF

Unicode已定义3419个码位

group 0, plane 2

0000 0000 -

0000 0000

0000 0010 -

0000 0010

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x20000 -

0x2FFFF

Unicode已定义43253个码位

其中：43253个码位都表示汉字

group 0, plane 3

0000 0000 -

0000 0000

0000 0011 -

0000 0011

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x30000 -

0x3FFFF

Unicode未定义码位

group 0, plane 4

0000 0000 -

0000 0000

0000 0100 -

0000 0100

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x40000 -

0x4FFFF

Unicode未定义码位

group 0, plane 5

0000 0000 -

0000 0000

0000 0101 -

0000 0101

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x50000 -

0x5FFFF

Unicode未定义码位

group 0, plane 6

0000 0000 -

0000 0000

0000 0110 -

0000 0110

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x60000 -

0x6FFFF

Unicode未定义码位

group 0, plane 7

0000 0000 -

0000 0000

0000 0111 -

0000 0111

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x70000 -

0x7FFFF

Unicode未定义码位

group 0, plane 8

0000 0000 -

0000 0000

0000 1000 -

0000 1000

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x80000 -

0x8FFFF

Unicode未定义码位

group 0, plane 9

0000 0000 -

0000 0000

0000 1001 -

0000 1001

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x90000 -

0x9FFFF

Unicode未定义码位

group 0, plane 10

0000 0000 -

0000 0000

0000 1010 -

0000 1010

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0xA0000 -

0xAFFFF

Unicode未定义码位

group 0, plane 11

0000 0000 -

0000 0000

0000 1011 -

0000 1011

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0xB0000 -

0xBFFFF

Unicode未定义码位

group 0, plane 12

0000 0000 -

0000 0000

0000 1100 -

0000 1100

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0xC0000 -

0xCFFFF

Unicode未定义码位

group 0, plane 13

0000 0000 -

0000 0000

0000 1101 -

0000 1101

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0xD0000 -

0xDFFFF

Unicode未定义码位

group 0, plane 14

0000 0000 -

0000 0000

0000 1110 -

0000 1110

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0xE0000 -

0xEFFFF

Unicode已定义337个码位

group 0, plane 15

0000 0000 -

0000 0000

0000 1111 -

0000 1111

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0xF0000 -

0xFFFFF

Unicode只定义65534个码位

其中：0xF0000 - 0xFFFFD作为专用区

group 0, plane 16

0000 0000 -

0000 0000

0001 0000 -

0001 0000

0000 0000 -

1111 1111

0000 0000 -

1111 1111

0x100000 -

0x10FFFF

Unicode只定义65534个码位

其中：0x100000-0x10FFFD作为专用区

现在来算一下在Unicode 5.0.0版本中实际的字符有多少个，只需要用总共的码位数减去平面15的专用区码位、减去平面16的专用区码位、减去平面0的专用区码位、减去平面0的代理区域码位，即是实际的字符数，238605-65534*2-6400-2048=99089，所以在Uincode5.0.0中实际表示字符的只有99089个字符。

3，什么是UTF

UTF就是Unicode Transformation Format，就是Unicode字符转换格式，包括UTF-8,UTF-16,UTF-32。

3.1，UTF和Unicode的关系

现在我们知道了Unicode就是一张字符对照表，类似于ASCII码表。UTF的作用就是将字符对应的数字按照某种格式转化为程序数据。UTF-8故名思意就是每8位保存一个字符，UTF-16顾名思意就是每16位保存一个字符，UTF-32就是每32位保存一个字符。

4，UTF-8的编码方式

UTF-8又称为可变字节编码，以字节为单位（8位）对Unicode进行编码。从Unicode到UTF-8的编码方式如下：

Unicode编码(十六进制)	UTF-8 字节流(二进制)
000000-00007F	0xxxxxxx
000080-0007FF	110xxxxx 10xxxxxx
000800-00FFFF	1110xxxx 10xxxxxx 10xxxxxx
010000-10FFFF	11110xxx10xxxxxx10xxxxxx10xxxxxx

UTF-8的特点是对不同范围的字符使用不同长度的编码。对于UTF-8的特点是对不同范围的字符使用不同长度的编码。对于0x00-0x7F之间的字符，UTF-8编码与ASCII编码完全相同。

5，UTF-16的编码方式

UTF-16编码以两个字节为单位对Unicode进行编码。

对于Unicode小于0x10000的数据，UTF-16的编码与Unicode的编码相同，换句话说也就是BMP平面（平面0）中的Unicode字符编码与UTF-16的编码相同。

对于Unicode大于0x10000的数据，我们先计算Unicode编码减去0x10000，然后再将得到得到的值写成二进制形式：yyyy yyyy yyxx xxxx xxxx，最后得到该Unicode的UTF-16编码（二进制）就是：110110yyyyyyyyyy 110111xxxxxxxxxx。

6，什么是BOM

BOM就是Btye Order Mark，即使字节顺序标记。BOM分为两种，分别是“大端”（Big Endian, BE）和“小端”（Little Endian, LE）。就是在传输数据中指定数据的顺序的协议。

7，参考文章

百度百科Unicode

Unicode和UTF-8有何区别

Unicode和UTF的关系的更多相关文章

Unicode和UTF-8的关系
Unicode和UTF-8都是表示编码,这个我一直都知道,但是这两个实际上是干什么用的,到底是怎么编码的,为什么有了Unicode还要UTF-8,它们之间有什么联系又有什么区别呢?这个问题一直困扰着我 ...
Unicode 和 UTF-8 的关系
曾经这个世界上,有着gb2312,gbk,latin1,utf 等各种字符集,现在,我们也能不时的看到他们的身影. 但是值得庆幸的事,时过境迁,这些主要的字符集,都已经逐渐被utf8取代. 但是我们很 ...
字节的高低位知识，Ascii,GB2312,UNICODE等编码的关系与来历
很久很久以前,有一群人,他们决定用8个可以开合的晶体管来组合成不同的状态,以表示世界上的万物.他们看到8个开关状态是好的,于是他们把这称为"字节". 再后来,他们又做了一些可以处理 ...
ASCII Unicode UTF-8 之间的关系
转载请标明:https://i.cnblogs.com/EditPosts.aspx?opt=1 1. ASCII ASCII 只有127个字符,表示英文字母的大小写.数字和一些符号,但由于其他语言用 ...
字符编码 ASCII、Unicode和UTF-8的关系
摘抄自廖雪峰教程字符编码我们已经讲过了,字符串也是一种数据类型,但是,字符串比较特殊的是还有一个编码问题. 因为计算机只能处理数字,如果要处理文本,就必须先把文本转换为数字才能处理.最早的计算机 ...
Unicode、UTF－8 和 ISO8859-1
Unicode.UTF-8 和 ISO8859-1到底有什么区别 1.本文主要包括以下几个方面:编码基本知识,java,系统软件,url,工具软件等. 在下面的描述中,将以"中文" ...
[转]Unicode和UTF-8的关系
Unicode和UTF-8的关系作者: 张军原文地址: http://blog.renren.com/blog/284133452/485453790 今天中午,我突然想搞清楚Unicode和UTF ...
字符编码 ASCII,Unicode和UTF-8的关系
转自:http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/00143166410626 ...
ASCII、UNICODE、UTF
在计算机中,一个字节对应8位,每位可以用0或1表示,因此一个字节可以表示256种情况. ascii 美国人用了一个字节中的后7位来表达他们常用的字符,最高位一直是0,这便是ascii码. 因此asci ...

随机推荐

2013华为校园招聘java实现(大家水个回复啊)
package 乒乒乓乓; import java.util.Scanner; /* * * author:hansongjiang 分别求整数数组里面的奇数与偶数之和问题描述:从标准输入里面接收一 ...
分享一款简单好用的HTML拼接工具
今天分享一款很好用的字符串拼接工具,在前端开发中,经常需要我们去手动拼接HTML代码,如果你经常这么做,那么肯定会因为单双引号的问题弄得焦头烂额.有了这个拼接工具,妈妈再也不用担心我拼不好html代码 ...
ng-book札记——表单
Angular表单的基本对象为FormControl与FormGroup. FormControl FormControl代表单个input表单字段(field),即Angular表单的最小单元. F ...
C语言运算符优先级总结
一写在开头1.1 本文内容本文内容为C语言中运算符优先级的总结.转载于:https://blog.csdn.net/huangblog/article/details/8271791,感谢原作者的付 ...
JOptionPane类提示框常用方法总结
JOptionPane类封装了很多的方法,总结如下: 1.showMessageDialog 显示一个带有OK 按钮的模态对话框. 下面是几个使用showMessageDialog 的例子: Java ...
noip第9课作业
1. 打印乘法表 [问题描述] 用for循环实现输出1至9的乘法表 [样例输出] 1*1=1 1*2=2 2*2=4 1*3=3 2*3=6 3*3=9 1*4=4 2*4=8 3*4=12 4 ...
Python学习---IO的异步[twisted模块]
安装twisted模块 Linux: pip3 install twisted Window: a. http://www.lfd.uci.edu/~gohlke/pythonlibs/#twiste ...
Plus and Square Root
ZS the Coder is playing a game. There is a number displayed on the screen and there are two buttons, ...
ES6的新特性（11）——Class 的继承
Class 的继承简介 Class 可以通过extends关键字实现继承,这比 ES5 的通过修改原型链实现继承,要清晰和方便很多. class Point { } class ColorPoint ...
【转】关于OnPaint的工作机制
转载出处:http://blog.csdn.net/foreverhuylee/article/details/21889025 用了两年的VC++,其实对OnPaint的工作原理一直都是一知半解.这 ...