标签：
最近在做emoji的开发，需要了解到unicode的知识。学习笔记如下。
1，unicode码是跨平台通用的，它是一个数字，代表了计算机上显示出来的符号（比如：中日韩象形文字、拉丁字符等）；
2，unicode用数字0-0x10FFFF来映射这些字符；
3，UTF-8以字节为单位对unicode进行编码。可以使用1~6个字节不等去表示一个unicode码，如下所示。
| Unicode/UCS-4 | bit数 | UTF-8 | byte数 |
| 0000~007F |
0~7 |
0XXX XXXX |
1 |
| 0080~07FF |
8~11 |
110X XXXX 10XX XXXX |
2 |
| 0800~FFFF |
12~16 |
1110XXXX 10XX XXXX 10XX XXXX |
3 |
| 1 0000~1F FFFF |
17~21 |
1111 0XXX 10XX XXXX 10XX XXXX 10XX XXXX |
4 |
| 20 0000~3FF FFFF |
22~26 |
1111 10XX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX |
5 |
| 400 0000~7FFF FFFF |
27~31 |
1111 110X 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX |
6 |
4，softbank的encode是2个字节，以E开头；
5，java中的String使用UTF-16方式存储；
6，UTF-16中，字符值在U+0000到U+FFFF(注意U+D800到U+DBFF无定义)之间的字符(也叫做BMP, Basic Multilingual Plane)，直接用两个字节表示。 字符值在U+10000到U+10FFFF(共有0xFFFFF个字符)之间的字符(也叫做增补字符集, supplementary characters)，需要用四个字节表示。
标签：
原文地址：http://my.oschina.net/u/2291753/blog/472991
