Unicode记录

主要是摘抄记录一下这个Unicode，挺厉害的一个东西

Unicode 码位（Code Point）的命名规则遵循一套标准化的格式，其核心是 十六进制表示法 和 U+前缀。以下详细解析这种命名方式的由来和规则：

1. U+前缀：
   • **"U" 表示 **Unicode，用于明确这是 Unicode 标准中的码位。
   • "+" 是固定符号，用于分隔前缀和码位值。
2. 6C49（十六进制值）：
   • **这是码位的具体数值，采用 **十六进制（Base-16）表示法。
   • 十六进制是计算机领域常用的表示法，因为它能更紧凑地表示二进制数据。
   • 示例：6C49 转换为十进制是 27721，表示该字符在 Unicode 空间中的唯一编号。

命名规则的由来

1. Unicode 码位空间：
   • **Unicode 码位范围是 **U+0000 到 U+10FFFF，共 1,114,112 个可能的码位。
   • 每个码位对应一个唯一的字符或符号。
2. 十六进制的优势：
   • **二进制（如 **110110001001001）可读性差。
   • **十进制（如 **27721）无法直观反映计算机存储结构。
   • **十六进制（如 **6C49）既能紧凑表示，又能直接映射到内存地址。
3. 历史传承：
   • **继承自 ASCII 编码的十六进制表示法（如 **0x41 表示 'A'）。
   • 统一了不同编码体系的表示方式。

码位命名示例

常见编码

1. UTF-8 编码：
   • **码位 **U+6C49 转换为 UTF-8 是 0xE6 0xB1 0x89。
   • 编码规则：
     • 单字节：0xxxxxxx（ASCII 范围）
     • 多字节：110xxxxx 10xxxxxx 10xxxxxx（汉字等）
2. UTF-16 编码：
   • **码位 **U+6C49 在 UTF-16 中是 0x6C49。
   • **如果码位超过 **U+FFFF，使用代理对（Surrogate Pair）。
3. UTF-32 编码：
   • **码位 **U+6C49 直接存储为 0x00006C49。

转换实现

转换步骤（以 U+6C49 为例）

1. 确定码位范围 ** 码位 U+6C49 的十六进制值是 6C49。 ** 范围：U+0800 - U+FFFF，因此使用 3 字节 编码。
2. 将码位转换为二进制 ** 十六进制 6C49 转换为二进制： ** 6 C 4 9 ** 0110 1100 0100 1001 ** 完整二进制：01101100 01001001（16 位）。
3. 填充 UTF-8 编码模板 ** 3 字节 UTF-8 模板： ** 1110xxxx 10xxxxxx 10xxxxxx ** 将码位的二进制按从右到左填充到模板中： ** 01101100 01001001 ** 第一个 10xxxxxx：填充后 8 位 01001001 → 1001001 → 10 + 01001001 = 1001001 → 0x89。 ** 第二个 10xxxxxx：填充后 6 位 011000 → 10 + 011000 = 10011000 → 0xB1。 ** **第三个 1110xxxx：填充后 4 位 0110 → 1110 + 0110 = 11100110 → 0xE6。
4. 组合结果 ** 按顺序组合填充后的字节： ** 11100110 10110001 10001001 ** 转换为十六进制： ** 0xE6 0xB1 0x89