在JavaScrip中,进行一些GBK
或者UTF-8
编码的字符操作时,打印出来的经常是乱码,其原因就是因为JavaScript当然内置编码是UCS-2
(UTF-16的子集)。
所以弄懂JavaScript的内置编码还是很有必要的,否则对于一些字符操作,如GBK和UTF-8转换时就会模糊不清,无法完全理解。
关于UCS与Unicode的互相关系与影响这里就不详细介绍了,详情可以参考【字符编码系列】字符,字符集,字符编码解惑
有一点需要记住: UCS与Unicode的码点是完全一致的。
0到0xFFFF的
0到0x10FFFF
。在UCS-2覆盖的范围内,UTF-16用2个字节来表示,其它字符用2个字节来表示也就是是说UTF-16取代了UCS-2,或者说UCS-2整合进入了UTF-16。所以现在一般只有UTF-16,没有UCS-2。
JavaScript使用的编码是UCS-2
因为在JavaScript出现的时候,还没有UTF-16。
所以,JavaScript诞生的时候,没有选择,只能使用UCS-2。
关于为什么不使用UTF-8,则是因为UCS-2编码在内存方面的操作及使用效率会更高
由于JavaScript只能处理UCS-2编码,造成所有字符在这门语言中都是2个字节,如果是4个字节的字符,会当作两个双字节的字符处理。
所以,遇到本身应该用4个字节表示的字符时,JavaScript读出来就会不准确,甚至乱码。
例如:亖
这个字符为例,它的UTF-16编码是4个字节的0xD834 DF06。
4个字节的编码不属于UCS-2,JavaScript不认识,只会把它看作单独的两个字符U+D834和U+DF06。这两个码点是空的,所以JavaScript会认为亖
是两个空字符组成的字符串!
以上使用UCS-2的JavaScript只针对于ES5及以前的版本。 对于ES6及以后的JavaScript,是支持识别4个字节码点的。
也就是说: ES6及其以后的JavaScript可以认为内置编码是UTF-16
tips: 是否支持ES6由具体的实现引擎决定