a computing industry standard for providing a unique code point a number for each character - wikipedia

  • code point

  • 从0开始编号， U+0000=null,共计109499个符号

  • unicode 只规定了每个字符的码点，到底用什么样的字节序表示这个码点，就涉及到编码方法

  • 编码方法
    UTF-32 - 4个字节表示一个字符，完全对应unicode编码（a => 0x00000061 查找效率高，时间复杂度O(1),浪费空间，比相同ASCII编码文件大四倍）
    UTF-8 - 变长的编码方法

  • JavaScript采用unicode字符，但支持一种编码方法USC-2（UTF-16）

  • 由于JS只能处理USC-2编码，所以字符在这门语言中都是2个字节（四个字节的字符会当作两个双字节的字符处理）

  • ES6增强了对Unicode的支持（Array.from(string).length, ‘好’ === ‘\u597D’）

    涉及unicode的博文

  • dart-sass

  • iconfont使用经验总结

  • https://dmitripavlutin.com/what-every-javascript-developer-should-know-about-unicode/#comments

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    Table of Contents
    1. The idea behind Unicode
    2. Basic Unicode terms
    2.1 Characters and code points
    2.2 Unicode planes
    2.3 Code units
    2.4 Surrogate pairs
    2.5 Combining marks
    3. Unicode in JavaScript
    3.1 Escape sequences
    3.2 String comparison
    3.3 String length
    3.4 Character positioning
    3.5 Regular expression match
    4. Summary

  • 上面这篇讲解很详尽

    零宽字符

  • Unicode 中还有一类格式字符，不可见，不可打印，主要作用于调整字符的显示格式，所以我们将其称为零宽字符。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    零宽字符主要有以下几类：

    零宽度空格符 (zero-width space) U+200B : 用于较长单词的换行分隔。

    零宽度非断空格符 (zero width no-break space) U+FEFF : 用于阻止特定位置的换行分隔。

    零宽度连字符 (zero-width joiner) U+200D : 用于阿拉伯文与印度语系等文字中，使不会发生连字的字符间产生连字效果。

    零宽度断字符 (zero-width non-joiner) U+200C : 用于阿拉伯文、德文、印度语系等文字中，阻止会发生连字的字符间的连字效果。

    左至右符 (left-to-right mark) U+200E : 用于在混合文字方向的多种语言文本中（例：混合左至右书写的英语与右至左书写的希伯来语），规定排版文字书写方向为左至右。

    右至左符 (right-to-left mark) U+200F : 用于在混合文字方向的多种语言文本中，规定排版文字书写方向为右至左

  • 可用来做隐形水印

  • 对于用户录入内容中的零宽字符，注意处理；