來源：酷勤網(wǎng)

一浪感、Unicode是什么更卒？
Unicode源于一個(gè)很簡單的想法：將全世界所有的字符包含在一個(gè)集合里少梁，計(jì)算機(jī)只要支持這一個(gè)字符集洛口，就能顯示所有的字符，再也不會(huì)有亂碼了凯沪。

它從0開始第焰，為每個(gè)符號(hào)指定一個(gè)編號(hào)，這叫做"碼點(diǎn)"（code point）妨马。比如挺举，碼點(diǎn)0的符號(hào)就是null（表示所有二進(jìn)制位都是0）。

U+0000 = null

上式中烘跺，U+表示緊跟在后面的十六進(jìn)制數(shù)是Unicode的碼點(diǎn)湘纵。

目前，Unicode的最新版本是7.0版滤淳，一共收入了109449個(gè)符號(hào)梧喷，其中的中日韓文字為74500個(gè)。可以近似認(rèn)為铺敌，全世界現(xiàn)有的符號(hào)當(dāng)中汇歹，三分之二以上來自東亞文字。比如偿凭，中文"好"的碼點(diǎn)是十六進(jìn)制的597D产弹。

U+597D = 好

這么多符號(hào)，Unicode不是一次性定義的弯囊，而是分區(qū)定義痰哨。每個(gè)區(qū)可以存放65536個(gè)（2^{16）字符，稱為一個(gè)平面（plane）匾嘱。目前斤斧，一共有17個(gè)（2}5）平面，也就是說奄毡，整個(gè)Unicode字符集的大小現(xiàn)在是2^21。
最前面的65536個(gè)字符位贝或，稱為基本平面（縮寫B(tài)MP）吼过，它的碼點(diǎn)范圍是從0一直到216
-1，寫成16進(jìn)制就是從U+0000到U+FFFF咪奖。所有最常見的字符都放在這個(gè)平面盗忱，這是Unicode最先定義和公布的一個(gè)平面。
剩下的字符都放在輔助平面（縮寫SMP）羊赵，碼點(diǎn)范圍從U+010000一直到U+10FFFF趟佃。

U+0000 = 0x0000 0000 U+597D = 0x0000 597D

U+597D = 0x597D

如果是輔助平面字符，Unicode 3.0版給出了轉(zhuǎn)碼公式褂始。

H = Math.floor((c-0x10000) / 0x400)+0xD800 L = (c - 0x10000) % 0x400 + 0xDC00

以字符

為例诸典，它是一個(gè)輔助平面字符，碼點(diǎn)為U+1D306崎苗，將其轉(zhuǎn)為UTF-16的計(jì)算過程如下狐粱。

H = Math.floor((0x1D306-0x10000)/0x400)+0xD800 = 0xD834 L = (0x1D306-0x10000) % 0x400+0xDC00 = 0xDF06

所以，字符

while (++index < length) { // ... if (charCode >= 0xD800 && charCode <= 0xDBFF) { output.push(character + string.charAt(++index)); } else { output.push(character); } }

上面代碼表示翎蹈，遍歷字符串的時(shí)候，必須對(duì)碼點(diǎn)做一個(gè)判斷男公，只要落在0xD800到0xDBFF的區(qū)間荤堪，就要連同后面2個(gè)字節(jié)一起讀取。
類似的問題存在于所有的JavaScript字符操作函數(shù)枢赔。

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

上面的函數(shù)都只對(duì)2字節(jié)的碼點(diǎn)有效澄阳。要正確處理4字節(jié)的碼點(diǎn)，就必須逐一部署自己的版本踏拜，判斷一下當(dāng)前字符的碼點(diǎn)范圍碎赢。
九、ECMAScript 6

JavaScript的下一個(gè)版本ECMAScript 6（簡稱ES6）速梗，大幅增強(qiáng)了Unicode支持揩抡，基本上解決了這個(gè)問題。
（1）正確識(shí)別字符
ES6可以自動(dòng)識(shí)別4字節(jié)的碼點(diǎn)镀琉。因此峦嗤，遍歷字符串就簡單多了。

for (let s of string ) { // ... }

但是屋摔，為了保持兼容烁设，length屬性還是原來的行為方式。為了得到字符串的正確長度钓试，可以用下面的方式装黑。

Array.from(string).length

（2）碼點(diǎn)表示法
JavaScript允許直接用碼點(diǎn)表示Unicode字符，寫法是"斜杠+u+碼點(diǎn)"弓熏。

'好' === 'u597D' // true

但是恋谭，這種表示法對(duì)4字節(jié)的碼點(diǎn)無效。ES6修正了這個(gè)問題挽鞠，只要將碼點(diǎn)放在大括號(hào)內(nèi)疚颊，就能正確識(shí)別。

（3）字符串處理函數(shù)
ES6新增了幾個(gè)專門處理4字節(jié)碼點(diǎn)的函數(shù)信认。

String.fromCodePoint()：從Unicode碼點(diǎn)返回對(duì)應(yīng)字符
String.prototype.codePointAt()：從字符返回對(duì)應(yīng)的碼點(diǎn)
String.prototype.at()：返回字符串給定位置的字符

（4）正則表達(dá)式
ES6提供了u修飾符材义，對(duì)正則表達(dá)式添加4字節(jié)碼點(diǎn)的支持。

Unicode提供了兩種表示方法潦蝇。一種是帶附加符號(hào)的單個(gè)字符款熬，即一個(gè)碼點(diǎn)表示一個(gè)字符深寥，比如瑧??g???+01D1；另一種是將附加符號(hào)單獨(dú)作為一個(gè)碼點(diǎn)贤牛，與主體字符復(fù)合顯示翩迈，即兩個(gè)碼點(diǎn)表示一個(gè)字符，比如瑥???晦萏（U+004F） + ???+030C）盔夜。

// 方法一 'u01D1' // '瑧 // 方法二 'u004Fu030C' // '瑧

這兩種表示方法负饲，視覺和語義都完全一樣，理應(yīng)作為等同情況處理喂链。但是返十，JavaScript無法辨別。

'u01D1'==='u004Fu030C' //false

ES6提供了normalize方法椭微，允許"Unicode正規(guī)化"洞坑，即將兩種方法轉(zhuǎn)為同樣的序列。

'u01D1'.normalize() === 'u004Fu030C'.normalize() // true

關(guān)于ES6的更多介紹蝇率，請(qǐng)看《ECMAScript 6入門》迟杂。