编码学习之unicode

Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码,它为每种语言中的每个字符设定了统一并且唯一的二进制编码，来满足跨平台、跨语言进行文本转换、处理的要求。

unicode是基于通用字符集（Universal Character Set）的标准来发展的，现在UCS主要有两种表示方式，一种是UCS-2使用两个字节编码，另一种是UCS-4使用四个字节编码。目前大部分的unicode主要是使用UCS-2标准来的。

unicode 通过对每个字符进行定义，比如"经"的编码是）0x7ECF，注意字符编码一般使用十六进制来表示，为了和十进制区分，十六进制以0x开头。

unicodde 的字符编码包含了ascii编码，将0-127的字符编码来表示ascii编码定义的字符。对于汉字的编码来说，unicode肯定不可能定义出所有的汉字（简体字、繁体字等），所以选择最常用的汉字来进行编码，摒弃了一些极少用的汉字，这是因为两个字节的unicode，理论上能够定义65536个字符，但是目前汉字的数量至少6、7万个，所以无法完全定义。UCS-4标准的unicode完全可以胜任这项工作，但是目前定义工作还没有完善，所以没有普遍使用。

计算机内存中存储的肯定是一些01组成的编码，如果文件中的编码使用的unicode编码的话，每个字符都对应唯一的一个unicode编码，这个编码占用两个字节，在存入内存中的时候，转换成二进制的形式，通过一定的实现方法（这里的实现方法的意思是，安装字符对应的unicode编码标准来具体实现，现在流行的unicode编码标准的实现有utf-8、utf-16等）来存储在内存中。