原文参考:https://www.cnblogs.com/tangjuanj/p/6015806.html
iOS - Unicode编码
-
一、来历
为了统一编码，各大龙头企业就决定坐下来对全世界的字符进行编码，并且尽量兼容现有字符集，这就有了unicode编码。Unicode用了21个二进制位，能够编码一百多万个字符，但实际上并没有编码这么多。U+XXXX中XXXX就是码点，就是字符在unicode的数字表示。
编码空间被分成 17 个平面（plane），每个平面有 65,536 个字符。0 号平面叫做「基本多文种平面」（Basic Multilingual Plane, BMP），涵盖了几乎所有你能遇到的字符，除了 emoji。其它平面叫做补充平面，大多是空的。
-
二、UTF-32、UTF-16、UTF-8
什么字符被表示成什么样子的规定有了，就要考虑怎么存起来了，这就分成了UTF-32、UTF-16、UTF-8三种了。所以UTF-32、UTF-16、UTF-8只是unicode的三种实现方式。 -
三、UTF-32
unicode用了21位，那我就用4个字节存，准错不了，这就是UTF-32，由于它的极度浪费，所以基本上没人用。
-
四、UTF-16
UTF-16编码介于UTF-32与UTF-8之间，同时结合了定长和变长两种编码方法的特点。UTF-16把字符存储成2个字节或者4个字节。
具体如下：
基本平面的字符占用2个字节，辅助平面的字符占用4个字节。也就是说，UTF-16的编码长度要么是2个字节（U+0000到U+FFFF），要么是4个字节（U+010000到U+10FFFF）。
于是就有一个问题，当我们遇到两个字节，怎么看出它本身是一个字符，还是需要跟其他两个字节放在一起解读？
说来很巧妙，我也不知道是不是故意的设计，在基本平面内，从U+D800到U+DFFF是一个空段，即这些码点不对应任何字符。因此，这个空段可以用来映射辅助平面的字符。
具体来说，辅助平面的字符位共有2的20次方个，也就是说，对应这些字符至少需要20个二进制位。UTF-16将这20位拆成两半，前10位映射在U+D800到U+DBFF（空间大小210），称为高位（H），后10位映射在U+DC00到U+DFFF（空间大小210），称为低位（L）。这意味着，一个辅助平面的字符，被拆成两个基本平面的字符表示。 -
五、相当巧妙的UTF-8
UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8的编码规则很简单，只有二条：- 1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
- 2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。
| UTF8编码格式二进制存储形式 | 字符 字节数 | 有效二进制位数 |
|---|---|---|
| 0xxxxxxx | 单字节 字符 | 7位 |
| 110xxxxx 10xxxxxx | 双字节 字符 | 11位 |
| 1110xxxx 10xxxxxx 10xxxxxx | 三字节 字符 | 16位 |
| 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx | 四字节 字符 | 19位 |
举例说明：
已知严的unicode是0x4E25（二进制 100 1110 0010 0101），根据上表，可以发现4E25处在第三行的范围内，因此"严"的UTF-8编码需要三个字节，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然后，从"严"的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，"严"的UTF-8编码是"11100100 10111000 10100101”，转换成十六进制就是E4B8A5。(即 严的unicode = 0x4E25 ,转换为UTF8 编码后是0xE4B8A5)
iOS - Unicode编码 字面量
字符串字面量可以包含以下特殊字符:
-
**转义字符:
\0（空字符）、\\（反斜线）、\t（水平制表符）、\n（换行符）、\r（回车符）、\"（双引号）、\'（单引号）。 -
Unicode标量，写成
\u{n}（u为小写），其中n为任意一到八位十六进制数且可用的Unicode位码。
比如:
表情: 💖 =="\u{1F496}" 这两种写法是等价的
举个例子:
- 获取字符串中每个字符的 Unicode位码
let str1 = "abc\u{1F496}\u{1F497}"
let str2 = "abc💖💗"
print("str1:\(str1)")
print("str2\(str2)")
let str1Scalar = str1.unicodeScalars // 相当于是 unicode 的数组
for scalar in str1Scalar{
print("scalar:\(scalar), scalar value: \(scalar.value)")
}
打印结果
- 整型Unicode位码 装换成对应的字符
let num : Int = 0x1F497
let numChar = UnicodeScalar(num)
print(numChar!)
打印结果
网友评论