如何理解Unicode
- Unicode是個通用字符集，涵蓋了全世界所有字符
- 總范圍從
U+0000~U+10FFFF夕冲，十六進(jìn)制表示锨咙，共1114112個字符眉踱，占用21位 - 通過每個字符挤忙，在Unicode字符集中有個一個碼點(diǎn)(code points)對應(yīng)，如
U+F8FF表示蘋果的icon - Unicode之規(guī)定了字符到碼點(diǎn)的對應(yīng)谈喳，但并沒有規(guī)定在機(jī)器中如何存儲册烈，即1個字節(jié)肯定無法存儲所有字符，如果有多個字節(jié)叁执，程序去讀這些字節(jié)時茄厘，遇到多個字節(jié)表示一個字符的情況矮冬，程序怎么知道要一次多去多個字節(jié)
- Unicode所有的字符被抽象成17個平面谈宛，每個平面包含了不同的字符Unicode表達(dá)
- 0號平面叫做BMP(Basic Multilingual Plane)，基本多文種平面胎署，包括了常用的字符
- 為了兼容一些老的編碼系統(tǒng)吆录，有些字符看上去是一個，其實(shí)在Unicode中有多種表示形式
- 如
é琼牧，既可以用U+00E9表示恢筝，也可以用U+0065(小寫字母e)加上U+0301(尖括號)合成表示，這種叫做組合字符序列字符序列(ComposedString) - 上面
é的例子巨坊，外觀一樣撬槽、含義也一樣的情況下，這兩個叫做標(biāo)準(zhǔn)等價(canonically equivalent) - 有的情況趾撵，外觀一樣侄柔，但意義卻不同，比如小寫的拉丁連字符(
U+FB00)兩個小寫拉丁字母ff(U+0066 U+0066)占调，外觀相同暂题，但卻含義不同。這種只能叫做相容等價(compatibility equivalence)
- 如
UTF(Unicode Transformation Formats)
- Unicode轉(zhuǎn)換格式究珊，這是將Unicode真正用到程序中的一步薪者，即規(guī)定了在內(nèi)存、磁盤中如何存儲Unicode碼
- UTF-32剿涮，每個字符的Unicode碼點(diǎn)言津，都用32位來表示，由于32位>21位取试，所以程序自然知道如何讀取字符悬槽，但浪費(fèi)空間
- 這里的32位，或者后面的UTF-16的16位想括，稱作碼元（code unit）
- UTF-16陷谱，每個Unicode碼點(diǎn)用1-2個16位來表示，這時候就得規(guī)定讀取順序了，即字節(jié)順序標(biāo)記（BOM-Byte Order Mask）
- 所以烟逊，當(dāng)使用UTF-16編碼時渣窜，一定要標(biāo)示字節(jié)讀取順序，一般寫到文本開頭位置的兩個字節(jié)宪躯。默認(rèn)不寫的話是使用
高字節(jié)順序 - UTF-8
- 用1-4個字節(jié)標(biāo)示Unicode
- UTF-8和ASCII的所有碼點(diǎn)完全重合
- 不需要考慮字節(jié)讀取順序乔宿？UTF-8規(guī)定了字節(jié)讀取順序
NSString
-
iOS中表示Unicode中BMP的字符用
\uxxxx，非BMP的要用\Uxxxxxxxx表示NSString *s = @"\U0001F30D";//?? ``` C99不允許標(biāo)準(zhǔn)C字符集中的字符用
\uxxxx這種形式表示访雪，所以在iOS中寫\u0041（Unicode表示大寫字母A）是不允許蘋果文檔中說
NSString將Unicode表示為16位详瑞，這完全蘋果的錯誤睦刃，因?yàn)槲覀冎?code>Unicode是21位的裹芝，用16位怎么表示-
其實(shí)是
NSString處理字符的任何方法都是以16位為基本處理單元- 那些少數(shù)的在Unicode中16位表示不過來的，在
NSString中的length屬性就不是字符長度了
- 那些少數(shù)的在Unicode中16位表示不過來的，在
-
前文提到了組合字符序列征字，
NSString也提供了組合與非組合之間的轉(zhuǎn)換方法精置，用于在標(biāo)準(zhǔn)等價计寇、相容等價幾種情況下進(jìn)行切換[test precomposedStringWithCanonicalMapping]; [test decomposedStringWithCanonicalMapping]; [test precomposedStringWithCompatibilityMapping]; [test decomposedStringWithCompatibilityMapping]; 官方建議使用
NSString時，將字符串看做子字符串的序列脂倦，而不是字符的序列番宁，因?yàn)樗淖址腿藗兛吹降恼J(rèn)為的字符不是一回事。但如果看做子字符串來處理赖阻，則其內(nèi)部的方法會很好的兼容各種問題NSString中能夠保證返回正確字符數(shù)的方法是
NSString *s = @"The weather on \U0001F30D is \U0001F31E today.";
// The weather on ?? is ?? today.
NSRange fullRange = NSMakeRange(0, [s length]);
[s enumerateSubstringsInRange:fullRange
options:NSStringEnumerationByComposedCharacterSequences
usingBlock:^(NSString *substring, NSRange substringRange, NSRange enclosingRange, BOOL *stop)
{
NSLog(@"%@ %@", substring, NSStringFromRange(substringRange));
}];
Swift中的Unicode
- Swift中String對Unicode的支持蝶押，不像OC中的NString。String的
count能夠很好的計(jì)算字符個數(shù)火欧，因?yàn)闀紤]到unicdoe各種組合的情況- 當(dāng)然也就可以把字符串當(dāng)做字符的序列了棋电，單個字符也可以正確地進(jìn)行處理了
- 正因?yàn)閺?fù)雜的Unicode各種情況，Swift中獲取子串或索引時布隔，就不能通過整型值來獲取了离陶。而是通過
String.Index類型
- Swift中進(jìn)行字符或字符串等價判斷時，Swift認(rèn)為
標(biāo)準(zhǔn)等價才是相等衅檀，相容等價并不相等let latinCapitalLetterA: Character = "\u{41}"http://大寫拉丁字母A let cyrillicCapitalLetterA: Character = "\u{0410}"http://西里爾字母A print(latinCapitalLetterA + "-" + cyrillicCapitalLetterA) print(latinCapitalLetterA == cyrillicCapitalLetterA) //結(jié)果 A-A false
