ES6关于Unicode的相关扩展

前面的话

　　JS中的字符串类型是由引号括起来的一组由16位Unicode字符组成的字符序列。在过去，16位足以包含任何字符，直到Unicode引入了扩展字符集，编码规则不得不进行变更。本文将详细介绍ES6关于Unicode的相关扩展

 

概述

　　Unicode的目标是为世界上每一个字符提供唯一标识符，唯一标识符称为码位或码点(code point)。而这些码位是用于表示字符的，又称为字符编码(character encode) 

　　在ES6之前， JS 的字符串以 16 位字符编码(UTF-16)为基础。每个 16 位序列(相当于2个字节)是一个编码单元(code unit)，可简称为码元，用于表示一个字符。字符串所有的属性与方法(如length属性与charAt() 方法等)都是基于16位序列

【BMP】

　　最常用的Unicode字符使用16位序列编码字符，属于“基本多语种平面”(Basic Multilingual Plane BMP)，也称为“零断面”(plan 0)， 是Unicode中的一个编码区段，编码介于U+0000——U+FFFF之间。超过这个范围的码位则要归属于某个辅助平面或称为扩展平面(supplementary plane)，其中的码位仅用16位就无法表示了

　　为此，UTF-16引入了代理对(surrogate pairs)，规定用两个16位编码来表示一个码位。这意味着，字符串里的字符有两种：一种由一个码元（共 16 位）来表示BMP字符，另一种用两个码元（共 32 位）来表示辅助平面字符

 

大括号表示

　　JavaScript 允许采用\uxxxx形式表示一个字符，其中xxxx表示字符的 Unicode 码位

// "a"
console.log("\u0061");

　　但是，这种表示法只限于码位在\u0000~\uFFFF之间的字符。超出这个范围的字符，必须用两个双字节的形式表示

// "