位置: 编程技术 - 正文

浅谈Unicode与JavaScript的发展史(java中主要使用unicode编码方式)

编辑:rootadmin

推荐整理分享浅谈Unicode与JavaScript的发展史(java中主要使用unicode编码方式),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:java中的unicode编码,java中unicode,java中unicode编码表,java中unicode编码转换成中文,java中unicode编码表,java中unicode占几个字节,unicode java,java中unicode什么意思,内容如对您有帮助,希望把文章链接给更多的朋友!

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"(codepoint)。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,HTML5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,可以参考我多年前写的《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。

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。

UCS的开发进度快于Unicode,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。

浅谈Unicode与JavaScript的发展史(java中主要使用unicode编码方式)

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,BrendanEich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0xDDF。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"反斜杠+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数据类型示例分享 前面我们介绍了javascript的数据类型,今天我们通过一些例子再来温故一下,希望大家能够达到知新的地步。scripttype="text/javascript"//1、Boolean类型//2、Numbe

Javascript基础教程之函数对象和属性 包含在对象里的数据可以通过两种方式来访问既属性的对象(property)和方法(method)属性是隶属于某个特定对象的变量,方法则是某个特定对象才能调运的

DOM基础教程之使用DOM 在了解DOM(文本对象模型)的框架和节点后,最重要的是使用这些节点处理html网页对于一个DOM节点node,都有一系列的属性和方法可以使用。常用的有下表

标签: java中主要使用unicode编码方式

本文链接地址:https://www.jiuchutong.com/biancheng/383864.html 转载请保留说明!

上一篇:Javascript基础教程之break和continue语句(javascript基础教程答案)

下一篇:javascript数据类型示例分享(JavaScript数据类型分为哪两大类)

  • 营业税金及附加计算公式
  • 印花税计入什么科目会计分录
  • 已开票未确认收入怎么填写纳税申报表
  • 运输服务属于生产劳务吗
  • 法人拿走公司利润要交税吗
  • 车保险备注栏车船税如何记账
  • 城建税少申报了怎样罚款
  • 企业里面不征税的发票能报销吗
  • 购买软件平台信息服务费怎么做账?
  • 房产税开征范围中的城市
  • 道路占用挖掘费要交印花税吗
  • 非股东可以投资项目吗
  • 自己承担所有
  • 营改增的税收政策
  • 已经抵扣的发票可以取消抵扣吗
  • 本月工资下月发是什么意思
  • 罚款费用报销单怎么写
  • 一般纳税人设备租赁税率
  • 商业承兑汇票贴现为什么是短期借款
  • 资产组可收回金额包含商誉的可收回金额吗
  • 本年应交增值税与销进项税额
  • 或有资产是指
  • 成本计算错误如何应对
  • 以太网连接网络
  • 未分配利润怎么消化掉 避开所得税
  • 资产减值损失期末余额在哪方
  • 收取水电费如何开票
  • 系统安装工具有什么用
  • 租金收入缴纳个税
  • 键盘剪切板怎么打开
  • 广告费与业务宣传费范围
  • 其他业务收入借贷方向
  • php显示文件目录及路径
  • 开发商违法
  • 准公益性企业
  • 黄喉蜂虎鸟是保护动物吗
  • 餐厅的餐具怎么摆
  • php 字符串处理函数
  • 损失函数是什么
  • 蓝桥杯b组2020
  • php的序列化操作生成的哪种格式
  • 付临时工工资需要什么材料
  • 已提减值准备的固定资产报废,确认的所得税资产
  • c语言中sizeof是啥意思
  • mongodb的使用教程
  • c语言中的typedef struct
  • 暂估入库多了怎么办
  • 基本工资是包括哪些内容
  • 制造费用属于哪一类会计科目
  • 应收票据贴现的会计处理
  • sql语句批量添加数据
  • case语句怎么执行
  • 金融企业应当按照交易或事项的实质和经济现实
  • 应付股利科目怎么结转
  • 网银费用及回单怎么查
  • 纸巾的发票可以抵扣进项税吗
  • 现金流量表补充资料的作用
  • 提供劳务收入的确认条件
  • 应付给股东的利润是什么科目
  • 代持的股份
  • 材料抵扣进项税额
  • 公司坏账率一般多少
  • 如何在sql server表中添加数据表格为什么没有显示
  • cf游戏初始化失败是因为什么
  • hprof-conv.exe
  • windows 11安全模式
  • win8快捷方式
  • win10电脑清理磁盘
  • winxp系统和win7系统有什么区别
  • win8.1连接wifi
  • Linux下SSH Session复制功能实现方法
  • win7怎么修改开始菜单样式
  • win10系统安全中心在哪
  • 投影变换的使用方法
  • linux那么多命令怎么记
  • cocos2djs
  • 批处理设置文件夹添加user组权限
  • Node.js中的construct构造函数
  • 12366纳税服务热线
  • 买车险代收车船税多少钱
  • 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