了解字符编码

ASCII 码

百度百科 🚀 (opens new window)：
ASCII (American Standard Code for Information Interchange): 美国信息交换标准代码，是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。 到目前为止，ASCII 码总共收录了 128 个字符

在计算机中，所有数据都是以二进制的形式存储（通俗一点来说，电脑只认得 0（低电平）和 1（高电平）），比如 ABC，字母符号等在计算机中也是需要转换成二进制形式存储。为了能够通用而不造成混乱，于是就制定了一个规则，这就是 ASCII 编码，统一规定了用哪些数字来表示我们常用的字符

一般而言，我们可以理解 ASCII 码为 128 个数字（0 - 127），每个数字分别代表 0-9a-zA-Z、符号以及控制字符（如 LR：换行符、CR：回车符等）或通信专用字符（如 SOH：文头、EOT：文尾等）

字符串与 ASCII 码的相互转换

// 字符串转 ASCII 码：
let str = "hello world"
let arr = []
str.split("").forEach(item => {
  arr.push(item.codePointAt(0))
})
// arr: (11) [104, 101, 108, 108, 111, 32, 119, 111, 114, 108, 100]

// ASCII 码转字符串：
let arr = [104, 101, 108, 108, 111, 32, 119, 111, 114, 108, 100]
let res = []
arr.forEach(item => {
  res.push(String.fromCharCode(item))
})
// res: (11) ["h", "e", "l", "l", "o", " ", "w", "o", "r", "l", "d"]

Unicode 编码

百度百科 🚀 (opens new window)
Unicode 是一种编码方案，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都设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本交换、处理的要求。
Unicode 主要有三种具体表现：utf-8、utf-16、utf-32。其中 utf-8 是一种变长的编码方法，字符长度从 1-4 个字节不等，utf-16 占用 2 或 4 个字节，utf-32 占 4 个字节

Unicode 从 0 开始，为每一个符号指定一个编码，这叫做“码点”（code point），比如码点 0 的字符是 null。

U+0000 = null
U+597D = 好

U+表示紧跟在后面的十六进制数是 Unicode 的码点（但一般情况下，都会转换成 \uxxxx 表示）

Unicode 与字符串的相互转换

// 字符串转Unicode编码
let str = "我们都是中国人`0"
let uni = ""
str.split("").forEach(item => {
  // 转换成十六进制（码点），并在前面加上'\u'
  // 注意：这里需要处理一下，位数如果小于4的话，后面转换会出错
  let temp = item.codePointAt(0).toString(16)
  while (temp.length < 4) temp = 0 + temp
  uni += "\\u" + temp
})
// console.log(uni)
// \u6211\u4eec\u90fd\u662f\u4e2d\u56fd\u4eba\u0060\u0030

// Unicode编码转字符串
let str = "\u6211\u4eec\u90fd\u662f\u4e2d\u56fd\u4eba\u0060\u0030"
// 这里先转换成 %uxxxx 形式，再调用 unescape 转换
let res = unescape(str.replace(/\\/gi, "%"))
// console.log(res)
// 我们都是中国人`0

UTF-8 编码

百度百科 🚀 (opens new window)
UTF-8（Universal Character Set/Unicode Transformation Format）是针对 Unicode 的一种可变长度字符编码（使用 1~4 字节为每个字符编码）。它可以用来表示 Unicode 标准中的任何字符

• 一个 ASCII 字符只需 1 字节编码（Unicode 范围由 U+0000~U+007F）
• 带有变音符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文等字母则需要 2 字节编码（Unicode 范围由 U+0080~U+07FF）
• 其他语言的字符（包括中日韩文字、东南亚文字、中东文字等）包含了大部分常用字，使用 3 字节编码
• 其他极少使用的语言字符使用 4 字节编码

可以明显的感觉到，UTF-8 的这个特性可以节省很多空间，试想一下，如果用 UTF-32 编码，每一个字符都用四个字节表示，除了极少的语言字符需要用到四个字节外，其他都不需要用到那么多空间，导致浪费很多的资源。这也使得 UTF-8 成为互联网上最常见的网页编码

GBK 编码

百度百科 🚀 (opens new window)
GBK 编码，是在 GB2312-80 标准基础上的内码扩展规范，使用了双字节编码方案，其编码范围从 8140 至 FEFE（剔除 xx7F），共 23940 个码位，共收录了 21003 个汉字，完全兼容 GB2312-80 标准，支持国际标准 ISO/IEC10646-1 和国家标准 GB13000-1 中的全部中日韩汉字，并包含了 BIG5 编码中的所有汉字。GBK 编码方案于 1995 年 10 月制定， 1995 年 12 月正式发布，中文版的 WIN95、WIN98、WINDOWS NT 以及 WINDOWS 2000、WINDOWS XP、WIN 7 等都支持 GBK 编码方案。

附录

ASCII 码映射表

SCII 值	控制字符	ASCII 值	控制字符	ASCII 值	控制字符	ASCII 值	控制字符
0	NUT	32	(space)	64	@	96	、
1	SOH	33	!	65	A	97	a
2	STX	34	"	66	B	98	b
3	ETX	35	#	67	C	99	c
4	EOT	36	$	68	D	100	d
5	ENQ	37	%	69	E	101	e
6	ACK	38	&	70	F	102	f
7	BEL	39	,	71	G	103	g
8	BS	40	(	72	H	104	h
9	HT	41	)	73	I	105	i
10	LF	42	*	74	J	106	j
11	VT	43	+	75	K	107	k
12	FF	44	,	76	L	108	l
13	CR	45	-	77	M	109	m
14	SO	46	.	78	N	110	n
15	SI	47	/	79	O	111	o
16	DLE	48	0	80	P	112	p
17	DCI	49	1	81	Q	113	q
18	DC2	50	2	82	R	114	r
19	DC3	51	3	83	S	115	s
20	DC4	52	4	84	T	116	t
21	NAK	53	5	85	U	117	u
22	SYN	54	6	86	V	118	v
23	TB	55	7	87	W	119	w
24	CAN	56	8	88	X	120	x
25	EM	57	9	89	Y	121	y
26	SUB	58	:	90	Z	122	z
27	ESC	59	;	91	[	123	{
28	FS	60	<	92	/	124	|
29	GS	61	=	93	]	125	}
30	RS	62	>	94	^	126	`
31	US	63	?	95	_	127	DEL

参考文档

• ASCII 编码 🚀 (opens new window)
• Unicode 编码 🚀 (opens new window)
• Unicode 与 JavaScript 详解 🚀 (opens new window)