對于JavaScript使用的是UCS-2還是UTF-16這個問題，有同學(xué)咨詢，動力節(jié)點的Java老師也進(jìn)行了小小的研究卻沒有發(fā)現(xiàn)一個權(quán)威的回答，以下僅供參考。

　　一、的BMP(BasicMultilingualPlane)

　　Unicode標(biāo)識符通過一個明確的名字和一個整數(shù)來作為它的碼位(codepoint).比如，“©”字符的碼位可以用“版權(quán)標(biāo)志”和U+00A9(0xA9，也可以寫作十進(jìn)制169)來表示。

　　Unicode字符分為17組平面，每個平面擁有2^16(65,536)個碼位.有一些碼位沒有分配字符，也有一些碼位被保留，成為私有的，也有一些碼位是永遠(yuǎn)被保留的，作為無字符的標(biāo)志。每一個碼位都可以用16進(jìn)制xy0000到xyFFFF來表示，這里的xy是表示一個16進(jìn)制的值，從00到10。

　　這第一個位置(當(dāng)xy是00的時候)被稱為BMP(基本多文種平面,BasicMultilingualPlane)。它包含了常用的碼位從U+0000到U+FFFF。

　　這里需要補(bǔ)充一點額外的平面知識，以及術(shù)語的表格。

　　引用自：wikipedia

　　其余16號平面(U+100000到U+10FFFF)稱為補(bǔ)充的平面。這里我將不討論它;只需要記住兩個概念：BMP字符和非BMP字符，后者也被稱為補(bǔ)充字符。

　　二、UCS-2和UTF-16之間的不同

　　UCS-2和UTF-16都是Unicode的字符編碼方式。

　　UCS-2(2個字節(jié)的通用字符集)是一種固定長度的編碼格式，只需要使用編碼為16字節(jié)編碼單元來表示碼位。這樣的表示結(jié)果將和UTF-16在0到0xFFFF(BMP)范圍內(nèi)大多數(shù)的結(jié)果一樣。

　　UTF-16(16位Unicode轉(zhuǎn)換格式)是對UCS-2的一個擴(kuò)展，它允許表示比BMP范圍內(nèi)更多的字符。它是一種可變長度格式，它的每個碼位能夠使用1位或者2位16字節(jié)編碼單元來表示。這種方式能夠編碼的碼位在0到0x10FFFF之間。

　　比如，在UCS-2和UTF-16中，對于BMP字符U+00A9版權(quán)標(biāo)志(©)都能被編碼為：0x00A9。

　　這里補(bǔ)充一下UCS-2、UCS-4、BMP

　　CPU處理多字節(jié)數(shù)的方式分為：“大尾”(bigendian)和“小尾”(littleendian)，簡單的理解就是一個Unicode編碼，比如6C49，寫到文件里面6C49或者496C，兩種方式，前者就叫“大尾”，后者就叫“小尾”。

　　UCS可以分為兩種格式：UCS-2和UCS-4。UCS-2使用兩個字節(jié)編碼，UCS-4使用4個字節(jié)(實際只有31位，zui高位必須是0)編碼。

　　轉(zhuǎn)換關(guān)系：UCS-4中高兩個字節(jié)為0的碼位稱為BMP;UCS-4的BMP去掉前面兩個零字節(jié)就得到UCS-2;UCS-2加上兩個零字節(jié)就得到UCS-4中的BMP。

　　三、代理對(Surrogatepairs)

　　對于BMP之外的字符，比如U+1D306四條線居中(其實不好翻譯：tetragramforcentre，?)，只能使用UTF-16中兩個16字節(jié)來編碼：0xD8340XDF06。這種就被稱為代理對。值得注意的是一個代理對只代表一個單字符。

　　補(bǔ)充一下代理對的概念

　　實際上就是指上面的一個UTF-16編碼，使用2個16字節(jié)來編碼。那是因為一個UTF-16編碼不夠，然后就應(yīng)該使用2個UTF-16編碼來表示更多的字符。然后這樣就會出現(xiàn)：之前2個字節(jié)的空間表示一個字符，就會變成4個字節(jié)的空間。所以就規(guī)定只有一定范圍內(nèi)使用2個UTF-16編碼來表示一個字符，這樣的方式就叫代理對，其余的依然使用2個字節(jié)來表示。

　　代理對中的第一個字符單元總是在0xD800到0xDBFF之間，稱為高位代理或者頂部代理(highsurrogateorleadsurrogate，暫時這樣，查到專業(yè)術(shù)語再翻譯)。第二個字符單元總是處于0xDC00到0xDFFF之間，稱為低位代理或者尾部代理(lowsurrogateortrailsurrogate)。

　　UCS-2是缺乏對代理對的支持的，所以要表示之前的字符需要使用2個分隔的字符。

　　四、碼位(codepoints)和代理對(surrogatepairs)之間的轉(zhuǎn)換

　　Section3.7ofTheUnicodeStandard3.0(pdf) 中定義了一個轉(zhuǎn)換算法。

　　假設(shè)：一個碼位C大于0xFFFF的編碼使用代理對<H,L>來表示的公式為：

　　1.H = Math.floor((C - 0x10000) / 0x400) + 0xD800 

　　2.L = (C - 0x10000) % 0x400 + 0xDC00  

　　轉(zhuǎn)換公式變換后，比如從代理對<H,L>轉(zhuǎn)換成一個Unicode碼位C，可以使用公式：

　　1.C = (H - 0xD800) * 0x400 + L - 0xDC00 + 0x10000 

　　五、Ok，那么關(guān)于JavaScript的編碼問題呢?

　　在ECMAScript中定義來怎樣解釋字符的問題.

　　在level3或者更高等級的實現(xiàn)中，遵循國際標(biāo)準(zhǔn)，與Unicode3.0標(biāo)準(zhǔn)或者更新的標(biāo)準(zhǔn)，以及ISO/IEC10646-1，和UCS-2或者UTF-16作為編碼格式。如果采用的ISO/IEC10646-1自己未被指定，它被認(rèn)定為BMP的自己，集合300(這里沒懂)。如果沒有采用其它的編碼格式，那么將按照UTF-16進(jìn)行編碼。

　　換句話說，JavaScript引擎是允許使用UCS-2或者UTF-16進(jìn)行編碼的。

　　然后按照specificparts規(guī)定，認(rèn)為引擎里面的編碼需要一些UTF-16的知識。

　　當(dāng)然，內(nèi)部引擎對于大多數(shù)JavaScript開發(fā)者來說沒有實際影響。對于更多有趣的發(fā)現(xiàn)JavaScript是如何考慮字符的中，有一段：

　　盡管在本文檔的其它部分中，表示字符單元和文字字符將使用16位的無符號值，用來表示單個16位文本單元。Unicode字符將使用抽象的語言或印刷單元(可超過16位，因此可以由多個代碼單元)來表示。碼位可以用Unicode標(biāo)準(zhǔn)值來表示。一個組合字符序列的成分可以有個別“Unicode字符”，即使一個用戶可能會認(rèn)為整個序列是單個字符。

　　JavaScript使用單獨字符來處理字符單元，然后人們通常認(rèn)為是一組Unicode字符。當(dāng)使用BMP范圍外Unicode字符的時候，這樣會有一些不好的結(jié)果。比如代理對使用2個字符單元組成：'?'.length==2，即使這里是只有一個Unicode字符。如果是字符，代理對將暴露一部分：'?'=='\uD834\uDF06'。

　　在這里你想到了什么呢?對于這種方式，至少是UCS-2的替代方式(不同的地方是，UCS-2不允許有代理字符，然后JavaScript字符串是這樣做的)。

　　你可以認(rèn)為它像UTF-16一樣在工作，特別是分成兩部分的方式是被允許的，代理的這種錯誤排序是被允許的，代理被暴露成了分離的字符。類似UCS-2的行為對整個語言更有影響，比如補(bǔ)充字符范圍的正則表達(dá)式比那些支持UTF-16的語言要更難寫。

　　代理對只是為了顯示在瀏覽器中(layout的時候)，對單個Unicode字符的重新組合。這發(fā)生在JavaScript引擎的影響范圍之外。為了證明這個，你能在document.write()的時候分開寫一個高位代理和地位代理字符.

　　1.document.write('\uD834'); 

　　2. 

　　3.document.write('\uDF06');  

　　在結(jié)束后也將被渲染成一個圖案：?。

　　六、結(jié)論

　　JavaScript引擎內(nèi)部是自由的使用UCS-2或者UTF-16。大多數(shù)引擎使用的是UTF-16，無論它們使用什么方式實現(xiàn)，它只是一個具體的實現(xiàn)，這不將影響到語言的特性。

　　關(guān)注動力節(jié)點官方微信，獲得全新Java視頻資料，還可獲得免費面試題哦。