位置: 编程技术 - 正文

JavaScript语言对Unicode字符集的支持详解(js中unbind)

编辑:rootadmin

推荐整理分享JavaScript语言对Unicode字符集的支持详解(js中unbind),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:javascript的语句,javascript ui,javascript ul,js un,javascript ul,javascript ui,js中unbind,js中unbind,内容如对您有帮助,希望把文章链接给更多的朋友!

上个月,我做了一次分享,详细介绍了Unicode字符集,以及JavaScript语言对它的支持。下面就是这次分享的讲稿。

 一、Unicode是什么?

  Unicode源于一个很简单的想法:将全世界所有的字符包含在一个集合里,计算机只要支持这一个字符集,就能显示所有的字符,再也不会有乱码了。

  它从0开始,为每个符号指定一个编号,这叫做"码点"(code point)。比如,码点0的符号就是null(表示所有二进制位都是0)。

  上式中,U+表示紧跟在后面的十六进制数是Unicode的码点。

  目前,Unicode的最新版本是7.0版,一共收入了个符号,其中的中日韩文字为个。可以近似认为,全世界现有的符号当中,三分之二以上来自东亚文字。比如,中文"好"的码点是十六进制的D。

  这么多符号,Unicode不是一次性定义的,而是分区定义。每个区可以存放个()字符,称为一个平面(plane)。目前,一共有个()平面,也就是说,整个Unicode字符集的大小现在是。

  最前面的个字符位,称为基本平面(缩写BMP),它的码点范围是从0一直到-1,写成进制就是从U+到U+FFFF。所有最常见的字符都放在这个平面,这是Unicode最先定义和公布的一个平面。

  剩下的字符都放在辅助平面(缩写SMP),码点范围从U+一直到U+FFFF。

 二、UTF-与UTF-8

  Unicode只规定了每个字符的码点,到底用什么样的字节序表示这个码点,就涉及到编码方法。

  最直观的编码方法是,每个码点使用四个字节表示,字节内容一一对应码点。这种编码方法就叫做UTF-。比如,码点0就用四个字节的0表示,码点D就在前面加两个字节的0。

  UTF-的优点在于,转换规则简单直观,查找效率高。缺点在于浪费空间,同样内容的英语文本,它会比ASCII编码大四倍。这个缺点很致命,导致实际上没有人使用这种编码方法,HTML 5标准就明文规定,网页不得编码成UTF-。

  人们真正需要的是一种节省空间的编码方法,这导致了UTF-8的诞生。UTF-8是一种变长的编码方法,字符长度从1个字节到4个字节不等。越是常用的字符,字节越短,最前面的个字符,只使用1个字节表示,与ASCII码完全相同。

编号范围字节0x - 0xFx - 0xFFx - 0xFFFFx - 0xFFFF4

  由于UTF-8这种节省空间的特性,导致它成为互联网上最常见的网页编码。不过,它跟今天的主题关系不大,我就不深入了,具体的转码方法,可以参考《字符编码笔记》。

 三、UTF-简介

  UTF-编码介于UTF-与UTF-8之间,同时结合了定长和变长两种编码方法的特点。

  它的编码规则很简单:基本平面的字符占用2个字节,辅助平面的字符占用4个字节。也就是说,UTF-的编码长度要么是2个字节(U+到U+FFFF),要么是4个字节(U+到U+FFFF)。

  于是就有一个问题,当我们遇到两个字节,怎么看出它本身是一个字符,还是需要跟其他两个字节放在一起解读?

  说来很巧妙,我也不知道是不是故意的设计,在基本平面内,从U+D到U+DFFF是一个空段,即这些码点不对应任何字符。因此,这个空段可以用来映射辅助平面的字符。

  具体来说,辅助平面的字符位共有个,也就是说,对应这些字符至少需要个二进制位。UTF-将这位拆成两半,前位映射在U+D到U+DBFF(空间大小),称为高位(H),后位映射在U+DC到U+DFFF(空间大小),称为低位(L)。这意味着,一个辅助平面的字符,被拆成两个基本平面的字符表示。

  所以,当我们遇到两个字节,发现它的码点在U+D到U+DBFF之间,就可以断定,紧跟在后面的两个字节的码点,应该在U+DC到U+DFFF之间,这四个字节必须放在一起解读。

 四、UTF-的转码公式

  Unicode码点转成UTF-的时候,首先区分这是基本平面字符,还是辅助平面字符。如果是前者,直接将码点转为对应的十六进制形式,长度为两字节。

  如果是辅助平面字符,Unicode 3.0版给出了转码公式。

  以字符为例,它是一个辅助平面字符,码点为U+1D,将其转为UTF-的计算过程如下。

  所以,字符的UTF-编码就是0xD DF,长度为四个字节。

 五、JavaScript使用哪一种编码?

  JavaScript语言采用Unicode字符集,但是只支持一种编码方法。

  这种编码既不是UTF-,也不是UTF-8,更不是UTF-。上面那些编码方法,JavaScript都不用。

  JavaScript用的是UCS-2!

 六、UCS-2编码

  怎么突然杀出一个UCS-2?这就需要讲一点历史。

JavaScript语言对Unicode字符集的支持详解(js中unbind)

  互联网还没出现的年代,曾经有两个团队,不约而同想搞统一字符集。一个是年成立的Unicode团队,另一个是更早的、年成立的UCS团队。等到他们发现了对方的存在,很快就达成一致:世界上不需要两套统一字符集。

  年月,两个团队决定合并字符集。也就是说,从今以后只发布一套字符集,就是Unicode,并且修订此前发布的字符集,UCS的码点将与Unicode完全一致。

  当时的实际情况是,UCS的开发进度快于Unicode,早在年,就公布了第一套编码方法UCS-2,使用2个字节表示已经有码点的字符。(那个时候只有一个平面,就是基本平面,所以2个字节就够用了。)UTF-编码迟至年7月才公布,明确宣布是UCS-2的超集,即基本平面字符沿用UCS-2编码,辅助平面字符定义了4个字节的表示方法。

  两者的关系简单说,就是UTF-取代了UCS-2,或者说UCS-2整合进了UTF-。所以,现在只有UTF-,没有UCS-2。

 七、JavaScript的诞生背景

  那么,为什么JavaScript不选择更高级的UTF-,而用了已经被淘汰的UCS-2呢?

  答案很简单:非不想也,是不能也。因为在JavaScript语言出现的时候,还没有UTF-编码。

  年5月,Brendan Eich用了天设计了JavaScript语言;月,第一个解释引擎问世;次年月,Netscape正式向ECMA提交语言标准(整个过程详见《JavaScript诞生记》)。对比UTF-的发布时间(年7月),就会明白Netscape公司那时没有其他选择,只有UCS-2一种编码方法可用!

 八、JavaScript字符函数的局限

  由于JavaScript只能处理UCS-2编码,造成所有字符在这门语言中都是2个字节,如果是4个字节的字符,会当作两个双字节的字符处理。JavaScript的字符函数都受到这一点的影响,无法返回正确结果。

  还是以字符为例,它的UTF-编码是4个字节的0xD DF。问题就来了,4个字节的编码不属于UCS-2,JavaScript不认识,只会把它看作单独的两个字符U+D和U+DF。前面说过,这两个码点是空的,所以JavaScript会认为是两个空字符组成的字符串!

  上面代码表示,JavaScript认为字符的长度是2,取到的第一个字符是空字符,取到的第一个字符的码点是0xDB。这些结果都不正确!

  解决这个问题,必须对码点做一个判断,然后手动调整。下面是正确的遍历字符串的写法。

  上面代码表示,遍历字符串的时候,必须对码点做一个判断,只要落在0xD到0xDBFF的区间,就要连同后面2个字节一起读取。

  类似的问题存在于所有的JavaScript字符操作函数。

String.prototype.replace()String.prototype.substring()String.prototype.slice()...

  上面的函数都只对2字节的码点有效。要正确处理4字节的码点,就必须逐一部署自己的版本,判断一下当前字符的码点范围。

 九、ECMAScript 6

  JavaScript的下一个版本ECMAScript 6(简称ES6),大幅增强了Unicode支持,基本上解决了这个问题。

  (1)正确识别字符

  ES6可以自动识别4字节的码点。因此,遍历字符串就简单多了。

  但是,为了保持兼容,length属性还是原来的行为方式。为了得到字符串的正确长度,可以用下面的方式。

  (2)码点表示法

  JavaScript允许直接用码点表示Unicode字符,写法是"斜杠+u+码点"。

  但是,这种表示法对4字节的码点无效。ES6修正了这个问题,只要将码点放在大括号内,就能正确识别。

  (3)字符串处理函数

  ES6新增了几个专门处理4字节码点的函数。

String.fromCodePoint():从Unicode码点返回对应字符String.prototype.codePointAt():从字符返回对应的码点String.prototype.at():返回字符串给定位置的字符

  (4)正则表达式

  ES6提供了u修饰符,对正则表达式添加4字节码点的支持。

  (5)Unicode正规化

  有些字符除了字母以外,还有附加符号。比如,汉语拼音的&#;,字母上面的声调就是附加符号。对于许多欧洲语言来说,声调符号是非常重要的。

  Unicode提供了两种表示方法。一种是带附加符号的单个字符,即一个码点表示一个字符,比如&#;的码点是U+D1;另一种是将附加符号单独作为一个码点,与主体字符复合显示,即两个码点表示一个字符,比如&#;可以写成O(U+F) + ˇ(U+C)。

  这两种表示方法,视觉和语义都完全一样,理应作为等同情况处理。但是,JavaScript无法辨别。

  ES6提供了normalize方法,允许"Unicode正规化",即将两种方法转为同样的序列。

  关于ES6的更多介绍,请看《ECMAScript 6入门》。

  ==========================

javascript 构造函数方式定义对象 javascript是动态语言,可以在运行时给对象添加属性,也可以给对象删除(delete)属性htmlheadscripttype="text/javascript"/*//.定义对象第一种方式varobject=newObject();

javascript实现滑动解锁功能 实现效果:css样式代码略。html代码:页面上导入了jquery.mobile、jqueryscriptsrc="

JavaScript中document对象使用详解 对象属性document.title//设置文档标题等价于HTML的title标签document.bgColor//设置页面背景色document.fgColor//设置前景色(文本颜色)document.linkColor//未点击过的链接

标签: js中unbind

本文链接地址:https://www.jiuchutong.com/biancheng/383836.html 转载请保留说明!

上一篇:JavaScript前端图片加载管理器imagepool使用详解(前端实现图片编辑)

下一篇:javascript 构造函数方式定义对象(javascript构造函数可继承父类的构造函数)

  • 租赁合同管理台账范本
  • 计提附加税税会计分录
  • 所得税税负率是125正常吗
  • 土地价款抵扣增值税怎么做账
  • 下列各项中免征增值税的有
  • 工程施工和工程结算对冲有差额的会计分录
  • 核定征收变更查账征收利润怎么办
  • 应付账款坏账了怎么处理
  • 发现账实不符,第一件事就是要干嘛?
  • 通过认证的增值税怎么算
  • 增值税专用发票电子版
  • 代开运输发票是否预征企业所得税?
  • 帮别人开票收税点怎么做账
  • 开票确定收入分录
  • 应付账款扣除商业折扣
  • 培训费没有发票怎么办
  • 自来水差额征税政策
  • 维修变压器的维修方法
  • 建设厂房需要几个证
  • 预计退货会计英语
  • 营改增后如何纳税
  • 公司借给个人的款项会计分录
  • 专业合作社的业务范围
  • 一般纳税人有按季申报的吗
  • 转让合同债权
  • 当月未认证的发票可以作废
  • 股权转让能否低于股价
  • 普通股资本成本的计算
  • 小规模免征增值税政策2022
  • 代扣代缴增值税怎么申报
  • 房地产开发企业增值税怎么算
  • 去年的成本如何调整
  • kb4592438安装失败
  • 文件pages
  • 施工单位工程款支付程序
  • PHP:imagecreatefromjpeg()的用法_GD库图像处理函数
  • 企业员工的工资设定标准
  • 股东股权转让税务稽查案例
  • 企业所得税征前减免是什么意思
  • mysqldump语句
  • cmsv6无法连接服务器
  • 建筑业先预缴还是先扣税
  • 子公司分公司和办事处账务上的区别有哪些
  • 冲销去年暂估成本对企业所得税的影响
  • 计提法定盈余公积是什么意思
  • 网上银行跨行转账手续费
  • 开具免税的发票,"税率"栏该如何填开?
  • 个人所得税如何缴纳
  • 生产企业的生产许可证
  • 小规模企业增值税税收优惠政策2023
  • 办理契税所需要的证件
  • 研发支出费用化支出期末有余额吗
  • 票据贴现怎么入账
  • 补缴以前年度养老保险分录
  • 公司增资需要哪些材料
  • 购入固定资产入账会计处理
  • myeclipse自动生成get set
  • mysql安装配置教程5.7.25
  • mysql 5.7.17 64bit安装配置方法图文教程
  • windows怎么彻底删除
  • 加入跨子网路由什么协议
  • centos挂载cd
  • win10系统安装.net framework 3.5
  • centos7搜索
  • SMax4PNP.exe - SMax4PNP是什么进程
  • linux基金会什么时候成立
  • linux服务器的mac地址怎么查
  • Linux中RedHat CentOS Ubuntu Fedora的区别详解
  • win8打开ie
  • linux安装dns软件包
  • dx12最新版本
  • linux服务器dns怎么设置
  • jQuery实现的AJAX简单弹出层效果代码
  • django内置组件
  • python容错
  • python函数判断
  • jquery知识点总结
  • 河北电子税务局如何添加办税人员
  • 地税局 要官
  • 城镇土地使用税优惠政策
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设