Unicode 编码与 UTF 编码对应关系揭秘
什么是 Unicode 编码？
Unicode 是一种在计算机中用于表示字符和符号的国际标准。它旨在统一全球所有字符和符号的编码，使得不同语言和符号系统能够在计算机中统一表示。Unicode 编码使用一个固定的码位来表示每一个字符，这个码位通常是一个16位的数字。
Unicode 编码与 UTF 编码的关系
UTF（Unicode Transformation Format）是一种基于 Unicode 的编码方式，用于在不同编码环境中传输和存储 Unicode 数据。UTF 编码包括 UTF-8、UTF-16 和 UTF-32 等多种形式，它们与 Unicode 编码的对应关系如下：
常见问题解答
问题 1：Unicode 编码是 UTF 编码的多少倍？
Unicode 编码本身是一个固定的码位系统，而 UTF 编码是一种将 Unicode 码位转换为字节序列的方法。UTF-8 编码是 Unicode 编码的 1 倍，因为每个 Unicode 码位直接对应一个 UTF-8 字节序列。UTF-16 编码通常将每个 Unicode 码位表示为 2 个字节，但在某些情况下（如码位在基本多语言平面 BMP 内），它可以表示为 1 个字节，因此是 Unicode 编码的 1 到 2 倍。UTF-32 编码则始终使用 4 个字节来表示每个 Unicode 码位，因此是 Unicode 编码的 4 倍。
问题 2：UTF-8 编码如何处理 Unicode 码位？
UTF-8 编码是一种可变长度的编码方式，它使用 1 到 4 个字节来表示一个 Unicode 码位。对于 ASCII 字符集中的字符（即码位在 0 到 127 之间），UTF-8 编码与 ASCII 编码相同，只使用 1 个字节。对于其他 Unicode 码位，UTF-8 编码会使用多个字节，并且每个字节的高位会提供关于该字节在整个码位序列中的位置信息。例如，一个 4 字节的码位序列的第一个字节的前三位会设置为 0b110，表示这是一个 4 字节的序列。
问题 3：UTF-16 编码如何处理超过基本多语言平面（BMP）的 Unicode 码位？
在 UTF-16 编码中，超过基本多语言平面（BMP）的 Unicode 码位（即码位大于 0xFFFF）需要使用一对 16 位的代码单元来表示。这种表示方法称为代理对。第一个代码单元（称为高代理）的码位范围是 0xD800 到 0xDBFF，第二个代码单元（称为低代理）的码位范围是 0xDC00 到 0xDFFF。这种编码方式允许 UTF-16 编码能够表示整个 Unicode 字符集，但可能会增加处理复杂性和编码长度。
