Unicode 與 UTF-8 之間的轉(zhuǎn)換
JS 中，所有的數(shù)字都是用64位浮點(diǎn)數(shù)的形式存儲(chǔ)的。
我們知道數(shù)字是如何存儲(chǔ)的，十進(jìn)制轉(zhuǎn)成二進(jìn)制就可以了。那么字符是如何存儲(chǔ)的呢？轉(zhuǎn)成數(shù)字不就得了，再用二進(jìn)制存，但是'1'不能用1表示，那給字符編號(hào)不就好了嗎。
計(jì)算機(jī)還沒(méi)有普遍的時(shí)候，用 0~127 表示所有的符號(hào)：（ASCII）
ASCII 碼
我們知道，計(jì)算機(jī)內(nèi)部，所有信息最終都是一個(gè)二進(jìn)制值。每一個(gè)二進(jìn)制位（bit）有0和1兩種狀態(tài)，因此八個(gè)二進(jìn)制位就可以組合出256種狀態(tài)，這被稱為一個(gè)字節(jié)（byte）。也就是說(shuō)，一個(gè)字節(jié)一共可以用來(lái)表示256種不同的狀態(tài)，每一個(gè)狀態(tài)對(duì)應(yīng)一個(gè)符號(hào)，就是256個(gè)符號(hào)，從00000000到11111111。
上個(gè)世紀(jì)60年代，美國(guó)制定了一套字符編碼，對(duì)英語(yǔ)字符與二進(jìn)制位之間的關(guān)系，做了統(tǒng)一規(guī)定。這被稱為 ASCII 碼，一直沿用至今。
ASCII 碼使用指定的7 位或8 位二進(jìn)制數(shù)組合來(lái)表示128 或256 種可能的字符。標(biāo)準(zhǔn)ASCII 碼也叫基礎(chǔ)ASCII碼，使用7 位二進(jìn)制數(shù)（剩下的1位二進(jìn)制為0）來(lái)表示所有的大寫和小寫字母，數(shù)字0 到9、標(biāo)點(diǎn)符號(hào)，以及在美式英語(yǔ)中使用的特殊控制字符。
后來(lái)，中國(guó)人開(kāi)始使用電腦了，怎么辦呢，怎么表示中文呢？簡(jiǎn)單，還是編號(hào)。
中國(guó)國(guó)家標(biāo)準(zhǔn)局來(lái)編，名稱為國(guó)標(biāo)2312（GB2312），用十六進(jìn)制的 0000~FFFF 表示漢字。
一個(gè)十六進(jìn)制就是4個(gè)0/1位，F(xiàn)FFF就是16位，也就是兩個(gè)字節(jié)。最多收錄2^16=65536個(gè)字符。
后來(lái)發(fā)現(xiàn)中國(guó)人的名字里有很多的生僻字，這些字并沒(méi)有在GB2312中，那怎么表示這些生僻字、繁體字呢？這個(gè)時(shí)候，微軟出手了，微軟推出了一個(gè)國(guó)際擴(kuò)展，簡(jiǎn)稱GBK。GBK含21886個(gè)漢字和圖形符號(hào)，收錄了中日韓使用的幾乎所有漢字，完全兼容GB2312,依然使用的是16位（兩字節(jié)）。
后來(lái)發(fā)現(xiàn)網(wǎng)頁(yè)里還有藏文、泰文，怎么辦，顯示不了，簡(jiǎn)單，繼續(xù)編號(hào)。但是這一次，一次性解決全世界的需求。
Unicode
正如上一節(jié)所說(shuō)，世界上存在著多種編碼方式，同一個(gè)二進(jìn)制數(shù)字可以被解釋成不同的符號(hào)。因此，要想打開(kāi)一個(gè)文本文件，就必須知道它的編碼方式，否則用錯(cuò)誤的編碼方式解讀，就會(huì)出現(xiàn)亂碼。為什么電子郵件常常出現(xiàn)亂碼？就是因?yàn)榘l(fā)信人和收信人使用的編碼方式不一樣。
可以想象，如果有一種編碼，將世界上所有的符號(hào)都納入其中。每一個(gè)符號(hào)都給予一個(gè)獨(dú)一無(wú)二的編碼，那么亂碼問(wèn)題就會(huì)消失。這就是 Unicode，就像它的名字都表示的，這是一種所有符號(hào)的編碼。
Unicode 當(dāng)然是一個(gè)很大的集合，現(xiàn)在的規(guī)?？梢匀菁{100多萬(wàn)個(gè)符號(hào)。每個(gè)符號(hào)的編碼都不一樣，比如，U+0639表示阿拉伯字母Ain，U+0041表示英語(yǔ)的大寫字母A，U+4E25表示漢字嚴(yán)。具體的符號(hào)對(duì)應(yīng)表，可以查詢unicode.org，或者專門的漢字對(duì)應(yīng)表。
Unicode 的問(wèn)題
需要注意的是，Unicode 只是一個(gè)符號(hào)集，它只規(guī)定了符號(hào)的二進(jìn)制代碼，卻沒(méi)有規(guī)定這個(gè)二進(jìn)制代碼應(yīng)該如何存儲(chǔ)。
比如，漢字嚴(yán)的 Unicode 是十六進(jìn)制數(shù)4E25，轉(zhuǎn)換成二進(jìn)制數(shù)足足有15位（100111000100101），也就是說(shuō)，這個(gè)符號(hào)的表示至少需要2個(gè)字節(jié)。表示其他更大的符號(hào)，可能需要3個(gè)字節(jié)或者4個(gè)字節(jié)，甚至更多。
UTF-8
互聯(lián)網(wǎng)的普及，強(qiáng)烈要求出現(xiàn)一種統(tǒng)一的編碼方式。UTF-8 就是在互聯(lián)網(wǎng)上使用最廣的一種 Unicode 的實(shí)現(xiàn)方式。其他實(shí)現(xiàn)方式還包括 UTF-16（字符用兩個(gè)字節(jié)或四個(gè)字節(jié)表示）和 UTF-32（字符用四個(gè)字節(jié)表示），不過(guò)在互聯(lián)網(wǎng)上基本不用。重復(fù)一遍，這里的關(guān)系是，UTF-8 是 Unicode 的實(shí)現(xiàn)方式之一。
UTF-8 最大的一個(gè)特點(diǎn)，就是它是一種變長(zhǎng)的編碼方式。它可以使用1~4個(gè)字節(jié)表示一個(gè)符號(hào)，根據(jù)不同的符號(hào)而變化字節(jié)長(zhǎng)度。
UTF-8 的編碼規(guī)則很簡(jiǎn)單，只有二條：
1）對(duì)于單字節(jié)的符號(hào)，字節(jié)的第一位設(shè)為0，后面7位為這個(gè)符號(hào)的 Unicode 碼。因此對(duì)于英語(yǔ)字母，UTF-8 編碼和 ASCII 碼是相同的。
2）對(duì)于n字節(jié)的符號(hào)（n > 1），第一個(gè)字節(jié)的前n位都設(shè)為1，第n + 1位設(shè)為0，后面字節(jié)的前兩位一律設(shè)為10。剩下的沒(méi)有提及的二進(jìn)制位，全部為這個(gè)符號(hào)的 Unicode 碼。
下表總結(jié)了編碼規(guī)則，字母x表示可用編碼的位。
| UTF-8編碼方式| （二進(jìn)制）----------------------+---------------------------------------------0000 0000-0000 007F | 0xxxxxxx0000 0080-0000 07FF | 110xxxxx 10xxxxxx0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
跟據(jù)上表，解讀 UTF-8 編碼非常簡(jiǎn)單。如果一個(gè)字節(jié)的第一位是0，則這個(gè)字節(jié)單獨(dú)就是一個(gè)字符；如果第一位是1，則連續(xù)有多少個(gè)1，就表示當(dāng)前字符占用多少個(gè)字節(jié)。
下面，還是以漢字嚴(yán)為例，演示如何實(shí)現(xiàn) UTF-8 編碼。
嚴(yán)的 Unicode 是4E25（100111000100101），根據(jù)上表，可以發(fā)現(xiàn)4E25處在第三行的范圍內(nèi)（0000 0800 - 0000 FFFF），因此嚴(yán)的 UTF-8 編碼需要三個(gè)字節(jié)，即格式是1110xxxx 10xxxxxx 10xxxxxx。然后，從嚴(yán)的最后一個(gè)二進(jìn)制位開(kāi)始，依次從后向前填入格式中的x，多出的位補(bǔ)0。這樣就得到了，嚴(yán)的 UTF-8 編碼是11100100 10111000 10100101，轉(zhuǎn)換成十六進(jìn)制就是E4B8A5。