javascript基础之字符集与编码

本篇文章是本人纯手写，若有错误或者论述不当，欢迎各位同行给予指出。

前言

我在看<<JavaScript权威指南>的时候，给咱们介绍了javascript的所使用的字符集是Unicode。因而我就开始慢慢了解javaScript与Unicode

什么是Unicode？

按Unicode官方的说法，Unicode是Unicode Standard（Unicode标准）的简写，因此Unicode便是指Unicode标准。
按wiki的说法，它是一个计算机工业标准（a computing industry standard）。
因此咱们先须要明白两个概念，字符集和编码。

字符集

这里我重点推荐字符集与编码这篇文章，对字符集说的很详细。若是还有不清楚"字符集"的小伙伴。我这里能够给小伙伴们形象的举例说明下。字符集能够类比于咱们的身份证系统，咱们每一个人都是有一个身份证号，字符集中的每个展现的字符都有字符编号。好比你是张三，你的身份证号就是XXX1，你是王二，身份证号就是XXX2。你拿身份证在中国是能分辨出你是谁。可是你去美国，人家是不认你的身份证，你须要有美国中相关证件，人家美国才能分辨你是谁，否则，你就被当作非法移民。同理，在字符集中。一个中文字符"好"，在Unicode编号是【597d】，你把【597d】放到到ASCII字符集中，ASCII字符集就识别不出是"好"字了，会出现一些莫名奇妙的乱码。就会有不少不一样的字符集。咱们这些小伙伴们只要记住所谓字符集就是一个标准，一个规范，可是不一样的字符集中标准和规范是不同的。那字符集能用来干吗呢? 主要是用来指导咱们在计算机中去定位字符。既然定位字符，天然就会给每一个字符定义一个编号，编号确定是惟一的，不用想,否则你一个编号去定位两个或者多个字符，那计算机就没法判断你所须要的字符是哪一个。字符集中，如何定义那个字符的编号，这事已经不须要咱们关心了。ASCII字符集、GBK字符集、Unicode字符集，都已经有官方的组织帮咱们定义好了，咱们只管使用就行。固然，世界上如今最通用的字符集就是Unicode啦

编码

这里我重点推荐字符集与编码（二）——编号 vs 编码这篇文章，对编号与编码说的很详细。我总结一句话就是: 编码就是对字符集中的编号进行编码

注意！！！字符集中 编号是固定的，可是对其中的 编号进行 编码方式是多种多样的
拿咱们经常使用的Unicode字符集举例，就有UCS-二、UTF-八、UTF-1六、UTF-32等多种编码方式。

为了让小伙伴们更好的了解编码是什么，我这里作了一个小试验。
打开 Ultraedit，建立一个文件，名称叫作a.js。里面输入一个字符"好"

里面的文件编码方式是UTF-8，咱们还能够经过查看16进制查看该字符的存储编码是E5A5BD，表示三个字节。

可能有小伙伴觉很奇怪，UTF-8是属于Unicode字符集么。那么保存的16进制应该就是597d，怎么变成了E5A5BD。
这里给这些小伙伴解答一下疑惑。咱们须要明白UTF-8是一种编码方式，它会按照必定的规则对Unicode中字符的编号进行转换，既然通过转化，就不可能存储仍是原始的字符的编号。咱们在上面看到的16进制。已是通过UTF-8对这个字符的编号进行转换事后的内容，不是它原始的编号【597d】。一样的，当咱们用的电脑去读取上面存储的文本的(16进制的E5A5BD)，电脑也是须要必定的规则去把内容转化为Unicode的编号。
为了验证读取也是须要规则的想法，咱们把编码变成UTF-16LE，咱们再看文本，就变成了乱码

咱们查看里面的16进制内容，依然是没有发生变化

为何变成了乱码，由于存储的规则(UTF-8)与读取的规则不同(UTF-16LE)，因而就致使了乱码。可是读取时候存储的文件内容是没有变化的，仍是E5A5BD。只是显示给用户看的时候，变成了乱码。

在这里给小伙伴们saowie总结一下。 所谓编码其实就是对字符集里面的编号进行转换的规则。像UTF-8有UTF-8的规则(PS: UTF-8转Unicode的转换规则网络资料不少，自行百度、google，这里再也不补充)， UTF-16LE有UTF-16的规则，当咱们在保存和读取文件时候，须要告诉咱们的计算机是什么规则。好让咱们的计算机去经过相应的规则去获取对应的字符。(PS:固然如今不少软件默认编码方式是UTF-8, 已经给咱们定义好了，不须要咱们去特地更改编码)。

JavaScript与Unicode

如今你们对字符集合字符编码应该已经不陌生了, 下面咱们一块儿探讨下，JavaScript与字符集的关系。
这里咱们能够参考阮一峰的Unicode与JavaScript详解，说的很不错。
这里我给小伙伴们指出一下重点: javaScript是使用Unicode字符集的，但它的编码方式是UCS-2(历史缘由)，而且UCS-2的编码与Unicode的编号几乎同样。因此，咱们能够在JS中直接使用转义后Unicode的编号就能获取对应字符，好比u597d => 好。

最后，这里给小伙伴们补充几个例子，用于加深理解。
A1. JS中获取字符的几种方式
A. 直接经过键盘输入, 这个很少说
B. Unicode转义序列, javaScript中能够经过6位ASCII码来表示一个Unicode编码, 其中u是前缀，后面4位16进制数，也就是你想要字符的编号来获取相应的字符。

console.log('\u597d')  // => 好
console.log('\u6211')  // => 我

C. 经过String.fromCharCode获取字符, javaScript中给开发人员提供了一个能够经过Unicode编号直接获取字符的API。String.fromCharCode

String.fromCharCode(0x6211, 0x4e00) // => 我一

A2. 判断是不是中文

// /^[\u4e00-\u9fa5]+$/ 验证汉字的正则表达式
function isAllChinese(str) {
    return /^[\u4e00-\u9fa5]+$/.test(str);
}

咱们只是须要把中文的Unicode编号范围圈出来，而后判断字符是否在此范围内便可。

A3. javaScript获取字符的Unicode编号

var str = '好好学习';
for (var i = 0, length = str.length; i < length; i++) {
  console.log(str.codePointAt(i).toString(16)) //=> 597d 597d 5b66 4e60 
}

文章中所用 Unicode编号在其余文章中被称为 码点，两个所指都是同一个内容，望小伙伴们不要误解