Javascript中的string类型使用UTF-16编码

发布时期：2019-7-8 11:06

阅读：538 回复：0

收藏分享邀请

在JavaScript中，所有的string类型（或者被称为DOMString）都是使用UTF-16编码的。MDNDOMString是一个UTF-16字符串。由于JavaScript已经使用了这样的字符串，所以DOMString 直接映射到一个String。将null传递给接受 ...

在JavaScript中，所有的string类型（或者被称为DOMString）都是使用UTF-16编码的。

MDN

DOMString 是一个UTF-16字符串。由于JavaScript已经使用了这样的字符串，所以DOMString 直接映射到一个String。

将 null传递给接受DOMString的方法或参数时通常会把其stringifies为“null”。

引出的Unicode中UTF-8与UTF-16编码的详细了解

Unicode编码

Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。

通常Unicode编码是通过2 Byte来表示一个字符的，如U+A12B，2 Byte的二进制表示方法结果就是1010(A)0001(1) 0010(2)1011(B)。

需要注意的是：UTF是Unicode TransferFormat的缩写，UTF-8和UTF-16都是把Unicode码转换成程序数据的一种编码方式。

UTF-8

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，又称万国码。由Ken Thompson于1992年创建。现在已经标准化为RFC 3629。UTF-8用1到6个字节编码Unicode字符(尽管如此，2003年11月UTF-8被RFC 3629重新规范，只能使用原来Unicode定义的区域，U+0000到U+10FFFF，也就是说最多4个字节）。用在网页上可以统一页面显示中文简体繁体及其它语言（如英文，日文，韩文）。

UTF-8的来历

UTF-8的规范里充斥着这样神秘的句子：“第一个位元组由110开始，接着的位元组由10开始”，“第一个位元组由1110开始，接着的位元组由10开始”。

那么这到底是什么意思呢？为什么要这么做呢？

我们先从二进制说起。我们都知道，一个字节是由8个二进制位构成的，最小就是0000 0000，最大就是1111 1111。那么一个字节所能表示的最多字符数就是2的8次方，也就是256。对于26个英文字母来说，大小写全算上就是52个，再加上10个阿拉伯数字，62个字符，用可以表达256个不同字符的一个字节来存储是足够了。

但是，我们中国的常用汉字就有3000多个，用一个只能表达256个字符的字节显然是不够存储的。至少也需要有2个字节，1个字节是8个二进制位，2个字节就是16个二进制位，最多可以表达2的16次方，也就是256*256=65536。65536个字符足够容纳所有中国的汉字，外带日语、韩语、阿拉伯语、稀其古怪语等等各种各样的字符。所以这样就产生了Unicode，因为它用2字节表示字符，所以更严格来讲应该叫UCS-2，后来因为怪字符太多，2字节都不够用了，所以又搞出来了一个4字节表示的方法，称作UCS-4。不过现在对绝大多数人来讲UCS-2已经是足够了。

Unicode本来是一个好东西，用2字节表示65536种字符，全人类皆大欢喜的事情。但是偏偏有一帮子西洋人，非要认为这个东西是一种浪费，说我们英文就最多只需要26个字母就够了，1个字节就够了，为什么要浪费2字节呢？比如说字母A就是0100 0001，这一个字节就够了的东西，你弄2字节，非要在前面加8个0，0000 0000 0100 0001，这不是浪费吗？我们就偏要用1字节表示英文。

好吧，我们全人类只好做妥协，规定每个字节，只要看见0打头的，就知道这是英文字母，这肯定不是汉字，只有看见1开头的，才认为这是汉字。

但是我们汉字用1个字节表示不下，那好办，用2个1开头的字符表示1个汉字。这样本来16个二进制位，减去2个开头的1，只剩下14个二进制位了，2的14次方就是16384个字符，对于中文来讲，也是足够用了。但是无奈他们还是想表达65536种字符，那怎么办呢？就需要3个字节才能容纳得下了，于是UTF-8粉墨登场。