目标：

1. 了解编码相关概念
2. 为什么emoji显示不正常
3. 怎么解析emoji

问题：

1. 什么是 ASCII?
2. 为什么一个字节是8位数？
3. 什么是unicode编码?
4. 什么是UTF8编码？
5. 为什么会产生乱码？
6. emoji 编码
7. 为什么emoji显示不正常？
8. 计算emoji的码点

1. 什么是ASCII？

ASCII ((American Standard Code for Information Interchange): 美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是最通用的信息交换标准，并等同于国际标准ISO/IEC 646。ASCII第一次以规范标准的类型发表是在1967年，最后一次更新则是在1986年，到目前为止共定义了128个字符。

2. 为什么一个字节是8位数？

60年代IBM的System/360用EBCDIC编码,ASCII编码标准也是在那个时候确立,两种标准虽然有差异,但都用8个bit来表示一个字符,

3. 什么是unicode编码?

ASCII 编码的局限， 导致各个国家只能开发自己的编码规范。

如果要表示中文，显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

为了统一所有文字的编码，Unicode应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

所有 Unicode 🈶被称为 统一码、万国码、单一码

unicode 是一套编码方案。

4. 什么是UTF8编码？

UTF8 是unicode编码方案的具体实现
做的事情就是规定码点是怎么存储的。
同样的 还有 UTF16,UTF32

UTF-8是一种变长字节编码方式。对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。UTF-8最多可用到6个字节。
如表：
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

5. 为什么会产生乱码？

笑脸：😁
码点：U+1F600
在线编码转换：http://tool.oschina.net/hexconvert/
二进制： 11111011000000000

UTF8：

码点：11111    011000    000000
UTF8编码规范：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
实际存储数值：1110000100111111001100010000000
实际存储数值16进制：0x709f9880

6. emoji 编码

emoji 是 Unicode 编码的一部分

1. 杂项符号及图形

   杂项符号及图形一共有768个字符，范围为： U+1F300 ～ U+1F5FF
   

2. 增补符号及图形

    增补符号及图形中一共有82个字符，范围为： U+1F900 ～ U+1F9FF
   

3. 表情符号

    表情符号一共有80个字符，范围为： U+1F600 ～ U+1F64F
   

4. 交通及地图符号

    交通及地图符号一共有103个字符，范围为： U+1F680 ～ U+1F6FF
   

5. 杂项符号

    杂项符号一共有256个字符，范围为： U+2600 ～ U+26FF 或拼上 U+FE0F
   

6. 封闭式字母数字符号

7. 封闭式字母数字补充符号

8. ......

9. 还有很多,不一一列出 参考: 《Emojis in Javascript》 https://medium.com/@thekevinscott/emojis-in-javascript-f693d0eb79fb#.o29wt8xei

7. 为什么emoji显示不正常？

既然emoji在unicode 分配了唯一的编码， 实际上跟文字已经没有任何区别， 而显示为一个框框，就是因为字体，在对应的码点位置， 没有实现这个emoji， 只要实现就能显示

8. 计算emoji的码点

function fixedCharCodeAt (str, idx) {
    // ex. fixedCharCodeAt ('\uD800\uDC00', 0); // 65536
    // ex. fixedCharCodeAt ('\uD800\uDC00', 1); // false
    idx = idx || 0;
    var code = str.charCodeAt(idx);
    var hi, low;
    
    // High surrogate (could change last hex to 0xDB7F to treat high
    // private surrogates as single characters)
    if (0xD800 <= code && code <= 0xDBFF) {
        hi = code;
        low = str.charCodeAt(idx+1);
        if (isNaN(low)) {
            throw 'High surrogate not followed by low surrogate in fixedCharCodeAt()';
        }
        return ((hi - 0xD800) * 0x400) + (low - 0xDC00) + 0x10000;
    }
    if (0xDC00 <= code && code <= 0xDFFF) { // Low surrogate
        // We return false to allow loops to skip this iteration since should have
        // already handled high surrogate above in the previous iteration
        return false;
        /*hi = str.charCodeAt(idx-1);
        low = code;
        return ((hi - 0xD800) * 0x400) + (low - 0xDC00) + 0x10000;*/
    }
    return code;
}

0xD800
1101100000000000

0xDBFF
1101101111111111

0x400
10000000000

0xDC00
1101110000000000

0x10000
10000000000000000