Unicode字符是什么 Unicode是什么???
Unicode\u5b57\u7b26\u662f\u4ec0\u4e48\uff1fUnicode\uff08\u7edf\u4e00\u7801\u3001\u4e07\u56fd\u7801\u3001\u5355\u4e00\u7801\uff09\u662f\u8ba1\u7b97\u673a\u79d1\u5b66\u9886\u57df\u91cc\u7684\u4e00\u9879\u4e1a\u754c\u6807\u51c6\uff0c\u5305\u62ec\u5b57\u7b26\u96c6\u3001\u7f16\u7801\u65b9\u6848\u7b49\u3002
Unicode \u662f\u4e3a\u4e86\u89e3\u51b3\u4f20\u7edf\u7684\u5b57\u7b26\u7f16\u7801\u65b9\u6848\u7684\u5c40\u9650\u800c\u4ea7\u751f\u7684\uff0c\u5b83\u4e3a\u6bcf\u79cd\u8bed\u8a00\u4e2d\u7684\u6bcf\u4e2a\u5b57\u7b26\u8bbe\u5b9a\u4e86\u7edf\u4e00\u5e76\u4e14\u552f\u4e00\u7684\u4e8c\u8fdb\u5236\u7f16\u7801\uff0c\u4ee5\u6ee1\u8db3\u8de8\u8bed\u8a00\u3001\u8de8\u5e73\u53f0\u8fdb\u884c\u6587\u672c\u8f6c\u6362\u3001\u5904\u7406\u7684\u8981\u6c42\u30021990\u5e74\u5f00\u59cb\u7814\u53d1\uff0c1994\u5e74\u6b63\u5f0f\u516c\u5e03\u3002
Unicode\u901a\u5e38\u7528\u4e24\u4e2a\u5b57\u8282\u8868\u793a\u4e00\u4e2a\u5b57\u7b26\uff0c\u539f\u6709\u7684\u82f1\u6587\u7f16\u7801\u4ece\u5355\u5b57\u8282\u53d8\u6210\u53cc\u5b57\u8282\uff0c\u53ea\u9700\u8981\u628a\u9ad8\u5b57\u8282\u5168\u90e8\u586b\u4e3a0\u5c31\u53ef\u4ee5\u3002
\u56e0\u4e3aPython\u7684\u8bde\u751f\u6bd4Unicode\u6807\u51c6\u53d1\u5e03\u7684\u65f6\u95f4\u8fd8\u8981\u65e9\uff0c\u6240\u4ee5\u6700\u65e9\u7684Python\u53ea\u652f\u6301ASCII\u7f16\u7801\uff0c\u666e\u901a\u7684\u5b57\u7b26\u4e32'ABC'\u5728Python\u5185\u90e8\u90fd\u662fASCII\u7f16\u7801\u7684\u3002
Unicode \u662f\u4e3a\u4e86\u89e3\u51b3\u4f20\u7edf\u7684\u5b57\u7b26\u7f16\u7801\u65b9\u6848\u7684\u5c40\u9650\u800c\u4ea7\u751f\u7684\uff0c\u4f8b\u5982ISO 8859\u6240\u5b9a\u4e49\u7684\u5b57\u7b26\u867d\u7136\u5728\u4e0d\u540c\u7684\u56fd\u5bb6\u4e2d\u5e7f\u6cdb\u5730\u4f7f\u7528\uff0c\u53ef\u662f\u5728\u4e0d\u540c\u56fd\u5bb6\u95f4\u5374\u7ecf\u5e38\u51fa\u73b0\u4e0d\u517c\u5bb9\u7684\u60c5\u51b5\u3002
\u5f88\u591a\u4f20\u7edf\u7684\u7f16\u7801\u65b9\u5f0f\u90fd\u6709\u4e00\u4e2a\u5171\u540c\u7684\u95ee\u9898\uff0c\u5373\u5bb9\u8bb8\u7535\u8111\u5904\u7406\u53cc\u8bed\u73af\u5883\uff08\u901a\u5e38\u4f7f\u7528\u62c9\u4e01\u5b57\u6bcd\u4ee5\u53ca\u5176\u672c\u5730\u8bed\u8a00\uff09\uff0c\u4f46\u5374\u65e0\u6cd5\u540c\u65f6\u652f\u6301\u591a\u8bed\u8a00\u73af\u5883\uff08\u6307\u53ef\u540c\u65f6\u5904\u7406\u591a\u79cd\u8bed\u8a00\u6df7\u5408\u7684\u60c5\u51b5\uff09\u3002
\u6269\u5c55\u8d44\u6599\uff1a
Unicode \u517c\u5bb9\u4e8e ASCII \u5b57\u7b26\u5e76\u88ab\u5927\u591a\u6570\u7a0b\u5e8f\u6240\u652f\u6301\uff0c\u524d128\u4e2a Unicode \u7801\u540c ASCII \u7801\u5177\u6709\u540c\u6837\u7684\u5b57\u8282\u503c\uff1bUnicode \u5b57\u7b26\u4ece U+0020 \u5230 U+007E \u7b49\u540c\u4e0e ASCII \u7801\u7684 0x20 \u5230 0x7E\uff0c\u4e0d\u540c\u4e8e\u652f\u6301\u62c9\u4e01\u5b57\u6bcd\u76847\u4f4d ASCII\u3002
Unicode \u5bf9\u6bcf\u4e2a\u5b57\u7b26\u8fdb\u884c16\u4f4d\u503c\u7684\u7f16\u7801\u8bbe\u7f6e\uff0c\u5b83\u5141\u8bb8\u51e0\u4e07\u4e2a\u5b57\u7b26\uff0c\u4f8b\u5982 Unicode 2.0 \u7248\u5305\u542b 38,885 \u4e2a\u5b57\u7b26\uff0c\u5b83\u4e5f\u53ef\u4ee5\u8fdb\u884c\u6269\u5c55\uff0c\u5982 UTF-16 \u5141\u8bb8\u752816\u4f4d\u5b57\u7b26\u7ec4\u5408\u4e3a\u4e00\u767e\u4e07\u6216\u66f4\u591a\u7684\u5b57\u7b26\uff0cUTF \u5c06\u7f16\u7801\u8f6c\u6362\u4e3a\u771f\u5b9e\u7684\u4e8c\u8fdb\u5236\u4f4d\u3002Unicode \u5b8c\u5168\u517c\u5bb9\u4e8e\u56fd\u9645\u6807\u51c6 ISO/IEC 10646-1; 1993\uff0c\u5b83\u662f ISO 10646 \u7684\u4e00\u4e2a\u5b50\u96c6\uff0c\u5e76\u652f\u6301\u7528\u4e24\u4e2a\u516b\u8fdb\u5236\u6570\u7684 ISO UCS-2\uff08Universal Character Set\uff09\u3002
JavaScript 1.3 \u7248\u672c\u5bf9 Unicode \u7684\u652f\u6301\u610f\u5473\u7740\u60a8\u53ef\u4ee5\u4efb\u610f\u5730\u5728\u7a0b\u5e8f\u4e2d\u4f7f\u7528\u672c\u5730\u7684\u5b57\u7b26\u4ee5\u53ca\u7279\u6b8a\u7684\u79d1\u5b66\u7b26\u53f7\u3002Unicode \u63d0\u4f9b\u4e86\u4e00\u79cd\u6807\u51c6\u7684\u65b9\u6cd5\u6765\u7f16\u7801\u591a\u8bed\u8a00\u6587\u672c\uff0c\u5e76\u4e14\u56e0\u4e3a\u5b83\u517c\u5bb9\u4e8e ASCII \uff0c\u60a8\u4e5f\u53ef\u4ee5\u968f\u610f\u4f7f\u7528 ASCII \u5b57\u7b26\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-Unicode
对于英文来说，ascii码 0-127就足以代码所有字符，对于中文而言，则必须使用两个字节(byte)来代表一个字符，具第一个字节必须大于127(所以我们有许程序判断中文都是以ascii码大于127作为条件)。以上用两个字节来表示一个中文的方式，在习惯上称为双字节(即DBCS: Double-Byte Character Set)，而相对之下，英文的字符码就称为单字节SBCS(Single-Byte Character Set)。
虽然双字节(DBCS)足以解决中英文字符混合使用情况，但对于不同字符系统而言，必须经过字符码转换，非常麻烦。例如：中英文混合情况，日文，韩文等等。为解决这个问题，国际标准组织于1984年4月成立ISO/IEC JTC1/SC2/WG2工作组。针对各国文字、符号进行统一性编码。1991年美国跨国公司成立Unicode Consortium。并于1991年10月与WG2达成协议。采用同一编码字集。目前Unicode是采用16位编码体系。其字符集内容与ISO10646的BMP（Basic Multilingual Plane）相同。Unicode于1992年6月通过DIS（Draf International Standard）。目前版本V2.0于1996公布。内容包含符号6811个。汉字20902个。韩文拼音11172个。造字区6400个。保留20249个。共计65534个。
随着国际互联网的迅速发展。要求进行数据交换的需求越来越大。不同的编码体系越来越成为信息交换的障碍。而且多种语言共存的文档不断增多。单靠代码页已很难解决这些问题。于是UNICODE应运而生。
UNICODE有双重含义。首先UNICODE是对国际标准ISO/IEC10646编码的一种称谓（ISO/IEC10646是一个国际标准。亦称大字符集。它是ISO于1993年颁布的一项重要国际标准。其宗旨是全球所有文种统一编码）。另外它又是由美国的HP、Microsoft、IBM、Apple等大企业组成的联盟集团的名称。成立该集团的宗旨就是要推进多文种的统一编码。
UNICODE同现在流行的代码页最显著不同点在于：UNICODE是两字节的全编码。对于ASCII字符它也使用两字节表示。代码页是通过高字节的取值范围来确定是ASCII字符。还是汉字的高字节。如果发生数据损坏。某处内容破坏。则会引起其后汉字的混乱。UNICODE则一律使用两个字节表示一个字符。最明显的好处是它简化了汉字的处理过程。
UNICODE使用平面来描述编码空间。每个平面分为256行。256列。相对于两字节编码的高低两个字节。
UNICODE的第一个平面。称为Basic Multilingual Plane（基本多文种平面）。简称BMP。由于BMP仅用两个字节表示。所以倍受青睐。
Unicode的最初目标。是用1个16位的编码来为超过65000字符提供映射。但这还不够。它不能覆盖全部历史上的文字。也不能解决传输的问题(implantation head-ache's)。尤其在那些基于网络的应用中。因此。Unicode用一些基本的保留字符制定了三套编码方式。它们分别是UTF-8，UTF-16和UTF-32。正如名字所示。在UTF－8中。字符是以8位序列来编码的。用一个或几个字节来表示一个字符。这种方式的最大好处。是UTF－8保留了ASCII字符的编码做为它的一部分。例如。在UTF－8和ASCII中。“A”的编码都是0x41.UTF－16和UTF－32分别是Unicode的16位和32位编码方式。考虑到最初的目的。通常说的Unicode就是指UTF-16。
多年来。计算机普遍采用美国信息交换标准代码（American Standard Code for Information Interchange，简称ASCII码）来表示字符。这些字符可以是字母。数字。标点符号和控制符。用这种编码来表示英文在内的字符不成问题的。但要表示其它语言文字如。阿拉伯文。中文。日文。维文。哈文…必须进行扩充。在1987年。Xerox Palo Alto研究中心的Joe Becker和Lee Collins。以及Apple公司的Mark Davis试图研究一种适用于多文种处理的字符编码。这种编码很快就得到了许多大公司的支持。这些公司都派代表参加Unicode研究组。Unicode的研究得到了较快的进展。由于Unicode集团的成员都是世界上的主要系统及软件制造商。所以Unicode很快就成为事实上的工业标准。
基于Unicode的系统允许使用65000个不同的字符。足以善盖世界所有语言的所有字母。外加数千种符号。
其中。General Scripts区单独收录了19种语言文字。包括ASCII，Latin1，Greek，Cyrillic，Armenian，Hedrew，Arabic，Devanagari，Bengali ，Gurmukhi，Gujarati，Oriya，Tamil，Telugu，Kannada，Malayalam，Thai，Lao，Tibetan，Georgian等语言文字之外。还包括汉语。日语和朝鲜语中的所有大量字符。
Unicode是一种定长的2B多文种字符集编码。它试图善盖现有的有关国家和地区的标准。包括GB2312，CNS11643，JIS 0208和KSC 5601等。Unicode可以表示混合文字资料。也可以保证以前的ISO 10646。
Unicode的特点是：
不管哪一国的字符码均以两个Byte表示，例如"A"在Unicode则是16进制 41和00的组合，即4100，高位41(转换为Ascii码即是65=A)，Windows NT/2000以Unicode来表示字符集，例如你可以看到MS SQL Server中产生的SQL文件可以选择是以Unicode来保存还是以普通格式来保存，如果你以Unicode保存，则在95/98平台许多软件均无法正确读出其格式。
同时你还可以注意到95/98中API定义，许多名称结尾是有一个A的，例如
WriteProfileStringA
而在NT/2000操作系统中，提供了两套API，另外一个命令是WriteProfileStringW，以W 结尾的API只适用于NT / 2000。（在NT中使用以W结尾的API函数效率比A结尾的要快，因为省去了Unicode和DBCS/SBCS的转换过程）
这样我们经常要用到的判断字符串长度的函数，在NT和95/98下执行结果不同，如下：(下面代码适合于VB, ASP)
95/98中：
len("abc中国") 返回 7 (因为每个中文作为两个Ascii码来看)
NT/2000中：
len("abc中国") 返回 5 (因为每个字符都作为一个Unicode来看)
unicode是统一码的意思，一种语言代码，我国还有gb2312和gb18030，统一码是国际标准编码，是统一对世界上的字母、数字、符号，还有双字节的汉字、日文等进行编码，如果使用unicode的话，就不再会出现"乱码"一说。如果没有相应的字体用来显示，那只会显示一个方块。
Unicode的功能不仅仅在于可以混合输入和显示世界各国语言,更主要的功能在于它能输入和显示通常的文本编辑软件所无法输入和显示的更多的汉字和世界各国文字。 它是经常使用多国文字的学者和各界人士所必备的重磅级工具。
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。
作用：能够使计算机实现跨语言、跨平台的文本转换及处理。
层次：Unicode 编码系统，可分为编码方式和实现方式两个层次。
绛旓細Unicode鏄浗闄呯粍缁囧埗瀹氱殑鍙互瀹圭撼涓栫晫涓婃墍鏈夋枃瀛楀拰绗﹀彿鐨勫瓧绗︾紪鐮佹柟妗銆傜洰鍓嶇殑Unicode瀛楃鍒嗕负17缁勭紪鎺掞紝0x0000 鑷 0x10FFFF锛屾瘡缁勭О涓哄钩闈紙Plane锛夛紝鑰屾瘡骞抽潰鎷ユ湁65536涓爜浣嶏紝鍏1114112涓傜劧鑰岀洰鍓嶅彧鐢ㄤ簡灏戞暟骞抽潰銆俇TF-8銆乁TF-16銆乁TF-32閮芥槸灏嗘暟瀛楄浆鎹㈠埌绋嬪簭鏁版嵁鐨勭紪鐮佹柟妗堛
绛旓細Unicode锛堢粺涓鐮併佷竾鍥界爜銆佸崟涓鐮侊級鏄绠楁満绉戝棰嗗煙閲岀殑涓椤逛笟鐣屾爣鍑嗭紝鍖呮嫭瀛楃闆嗐佺紪鐮佹柟妗堢瓑銆俇nicode 鏄涓轰簡瑙ｅ喅浼犵粺鐨勫瓧绗︾紪鐮佹柟妗堢殑灞闄愯屼骇鐢熺殑锛屽畠涓烘瘡绉嶈瑷涓殑姣忎釜瀛楃璁惧畾浜嗙粺涓骞朵笖鍞竴鐨勪簩杩涘埗缂栫爜锛屼互婊¤冻璺ㄨ瑷銆佽法骞冲彴杩涜鏂囨湰杞崲銆佸鐞嗙殑瑕佹眰銆1990骞村紑濮嬬爺鍙戯紝1994骞存寮忓叕甯冦俇nicode閫氬父...
绛旓細Unicode鏄浗闄呯粍缁囧埗瀹氱殑鍙互瀹圭撼涓栫晫涓婃墍鏈夋枃瀛楀拰绗﹀彿鐨勫瓧绗︾紪鐮佹柟妗銆俇nicode鐢ㄦ暟瀛0-0x10FFFF鏉ユ槧灏勮繖浜涘瓧绗︼紝鏈澶氬彲浠ュ绾1114112涓瓧绗︼紝鎴栬呰鏈1114112涓爜浣嶃傜爜浣嶅氨鏄彲浠ュ垎閰嶇粰瀛楃鐨勬暟瀛椼俇TF-8銆乁TF-16銆乁TF-32閮芥槸灏嗘暟瀛楄浆鎹㈠埌绋嬪簭鏁版嵁鐨勭紪鐮佹柟妗堛俇nicode瀛楃闆嗗彲浠ョ畝鍐欎负UCS锛圲nicode Charact...
绛旓細Unicode 鏄竴绉嶉噸瑕佺殑浜や簰鍜屾樉绀虹殑閫氱敤瀛楃缂栫爜鏍囧噯锛屽畠瑕嗙洊浜嗙編鍥姐佹娲层佷腑涓溿侀潪娲层佸嵃搴︺佷簹娲插拰澶钩娲嬬殑璇█锛屼互鍙婂彜鏂囧拰涓撲笟绗﹀彿銆俇nicode 鍏佽浜ゆ崲銆佸鐞嗗拰鏄剧ず澶氳瑷鏂囨湰浠ュ強鍏敤鐨勪笓涓氬拰鏁板绗﹀彿銆傚畠甯屾湜鑳藉瑙ｅ喅澶氳瑷鐨勮绠楋紝濡備笉鍚屽浗瀹剁殑瀛楃鏍囧噯锛屼絾骞朵笉鏄墍鏈夌殑鐜颁唬鎴栧彜鏂囬兘鑳藉鑾峰緱鏀寔銆俇nicode...
绛旓細unicode鏄2涓瓧鑺銆傝繖涓鏍囧噯鐨2瀛楄妭褰㈠紡閫氬父绉颁綔UCS-2銆傜劧鑰岋紝鍙楀埗浜2瀛楄妭鏁伴噺鐨勯檺鍒讹紝UCS-2鍙兘琛ㄧず鏈澶65536涓瓧绗︺俇nicode鐨4瀛楄妭褰㈠紡琚О涓篣CS-4鎴朥TF-32锛岃兘澶熷畾涔塙nicode鐨勫叏閮ㄦ墿灞曪紝鏈澶氬彲瀹氫箟100涓囦釜浠ヤ笂鍞竴瀛楃銆2016-06-21棰佸彂鐨刄nicode9锛0鍏辨敹褰128锛237涓瓧銆俇nicode鏄竴绉嶅瓧绗﹂泦锛...
绛旓細Unicode 鏄竴绉瀛楃缂栫爜鏍囧噯锛岀敤浜庤〃绀烘枃鏈腑鐨勬墍鏈夊瓧绗︺傚湪璁＄畻鏈虹郴缁熶腑锛屾暟鎹互浜岃繘鍒跺舰寮忓瓨鍌ㄥ拰澶勭悊銆傚洜姝わ紝涓轰簡鑳藉姝ｇ‘鍦板鐞嗗悇绉嶈瑷鐨勫瓧绗︼紝鎴戜滑闇瑕佷竴濂楃粺涓鐨勭紪鐮佹爣鍑嗐俇nicode 涓轰笘鐣屽悇鍦颁娇鐢ㄧ殑鎵鏈夊瓧绗︽彁渚涗簡涓涓爣鍑嗙紪鐮佹柟寮忥紝瀹冨寘鍚簡瓒呰繃 13 涓囦釜瀛楃鐨勭紪鐮佹柟妗堛俇nicode 鐨勪綔鐢ㄦ槸淇濊瘉鍦ㄤ换浣...
绛旓細Unicode鏄竴绉嶅瓧绗︾紪鐮佹柟妗堬紝瀹冧负姣忕璇█涓殑姣忎釜瀛楃閮借瀹氫簡缁熶竴鍞竴鐨勪簩杩涘埗缂栫爜锛屼互瀹炵幇璺ㄨ瑷銆佽法骞冲彴杩涜鏂囨湰杞崲銆佸鐞嗙殑瑕佹眰銆Unicode鏄浗闄呯粍缁囧埗瀹氱殑鍙互瀹圭撼涓栫晫涓婃墍鏈夋枃瀛楀拰绗﹀彿鐨勫瓧绗︾紪鐮佹柟妗銆傜洰鍓嶇殑Unicode瀛楃鍒嗕负17缁勭紪鎺掞紝0x0000鑷0x10FFFF锛屾瘡缁勭О涓哄钩闈紙Plane锛夛紝鑰屾瘡骞抽潰鎷ユ湁65536涓爜...
绛旓細Unicode涔熷氨鏄粺涓鐮併傜粺涓鐮侊紝涔熷彨涓囧浗鐮併佸崟涓鐮侊紙Unicode锛鏄绠楁満绉戝棰嗗煙閲岀殑涓椤逛笟鐣屾爣鍑锛屽寘鎷瓧绗﹂泦銆佺紪鐮佹柟妗堢瓑銆俇nicode鏄涓轰簡瑙ｅ喅浼犵粺鐨勫瓧绗︾紪鐮佹柟妗堢殑灞闄愯屼骇鐢熺殑锛屽畠涓烘瘡绉嶈瑷涓殑姣忎釜瀛楃璁惧畾浜嗙粺涓骞朵笖鍞竴鐨勪簩杩涘埗缂栫爜锛屼互婊¤冻璺ㄨ瑷銆佽法骞冲彴杩涜鏂囨湰杞崲銆佸鐞嗙殑瑕佹眰銆1990骞村紑濮嬬爺鍙戯紝...
绛旓細Unicode 鏄熀浜庨氱敤瀛楃闆嗭紙Universal Character Set锛夌殑鏍囧噯鏉ュ彂灞曪紝骞朵笖鍚屾椂涔熶互涔︽湰鐨勫舰寮忥紙The Unicode Standard锛岀洰鍓嶇浜旂増鐢盇ddison-Wesley Professional鍑虹増锛孖SBN-10:0321480910锛夊澶栧彂琛ㄣ2006骞6鏈堢殑鏈鏂扮増鏈殑 Unicode 鏄 2005骞3鏈31鏃ユ帹鍑虹殑Unicode 4.1.0 銆傚彟澶栵紝5.0 Beta宸蹭簬2005骞12鏈...
绛旓細Unicode锛堢粺涓鐮併佷竾鍥界爜銆佸崟涓鐮侊級鏄竴绉嶅湪璁＄畻鏈轰笂浣跨敤鐨瀛楃缂栫爜銆傚畠涓烘瘡绉嶈瑷涓殑姣忎釜瀛楃璁惧畾浜嗙粺涓骞朵笖鍞竴鐨勪簩杩涘埗缂栫爜锛屼互婊¤冻璺ㄨ瑷銆佽法骞冲彴杩涜鏂囨湰杞崲銆佸鐞嗙殑瑕佹眰銆1990骞村紑濮嬬爺鍙戯紝1994骞存寮忓叕甯冦傞殢鐫璁＄畻鏈哄伐浣滆兘鍔涚殑澧炲己锛孶nicode涔熷湪闈笘浠ユ潵鐨勫崄澶氬勾閲屽緱鍒版櫘鍙娿傛渶鏂扮増鏈殑 Unicode 鏄 ...
