前端日拱一卒D6——字符编码与浏览器解析

前言

余为前端菜鸟，感姿式水平匮乏，难观前端之大局。遂决定循前端知识之脉络，以兴趣为引，辅以几分坚持，望于己能解惑致知、于同道能助力一二，岂不美哉。

本系列代码及文档均在 此处

字符编码

ASCII码

• 一个字节，占用后7位，128个字符，对应关系可查表

Unicode字符集

• 一个旨在包含全世界全部字符的集合
• Unicode字符集为每一个字符定义了一个码点，Unicode分区定义，其中码点ox0000 - oxFFFF 对应为基本平面(1个)，码点ox010000 - ox10FFFF 为辅助平面(16个)。
• 每一个平面最多可存放2^16个字符

UTF-32 UTF-8 UTF-16

• Unicode只定义了字符->码点的映射，并无说明如何储存字符，字节序涉及到具体编码方法。
• UTF-32是用4字节(32位，8个16进制位)来表示一个字符，能够作到一一对应全部Unicode码位，但显然这样很浪费空间

为何是四字节不是三字节？算上全部平面也就最多到10FFFF，24位，按理说三字节就够了。

• UTF-8是一种变长的编码方式，从1-4字节不等
• UTF-16
  • 基础平面字符用两个字节表示，辅助平面用四个字节
  • 辅助平面有最多16 * 2^16 = 2^20次个字符，对应到20个二进制位，则将其分红两部分，前10位映射在U+D800到U+DBFF，后10位映射在U+DC00到U+DFFF

JavaScript使用的编码

• USC-2

  • UTF-16晚于js诞生...因此当时选用了USC-2，后来这东西被UTF-16取代了
  • UCS-2使用两个字节来对应码点和表示字符，致使四字节的字符会被当作两个两字节字符处理，致使字符操做函数返回结果可能不对

• ES6

  • 码点表示：2字节\u597D, 4字节\u{1D306}
  • 其余改进：兴趣不大...略过

HTML解析器

待补充

虽发表于此，却毕竟为一人之言，又是每日学有所得之笔记，内容未必详实，看官老爷们还望海涵。