前端日拱一卒D6——字元編碼與瀏覽器解析

前言

餘為前端菜鳥，感姿勢水平匱乏，難觀前端之大局。遂決定循前端知識之脈絡，以興趣為引，輔以幾分堅持，望於己能解惑致知、於同道能助力一二，豈不美哉。

本系列程式碼及文件均在 此處

字元編碼

ASCII碼

• 一個位元組，佔用後7位，128個字元，對應關係可查表

Unicode字符集

• 一個旨在包含全世界所有字元的集合
• Unicode字符集為每個字元定義了一個碼點，Unicode分割槽定義，其中碼點ox0000 - oxFFFF 對應為基本平面(1個)，碼點ox010000 - ox10FFFF 為輔助平面(16個)。
• 每個平面最多可存放2^16個字元

UTF-32 UTF-8 UTF-16

• Unicode只定義了字元->碼點的對映，並沒有說明如何儲存字元，位元組序涉及到具體編碼方法。
• UTF-32是用4位元組(32位，8個16進位制位)來表示一個字元，可以做到一一對應所有Unicode碼位，但顯然這樣很浪費空間

為什麼是四位元組不是三位元組？算上所有平面也就最多到10FFFF，24位，按理說三位元組就夠了。

• UTF-8是一種變長的編碼方式，從1-4位元組不等
• UTF-16
  • 基礎平面字元用兩個位元組表示，輔助平面用四個位元組
  • 輔助平面有最多16 * 2^16 = 2^20次個字元，對應到20個二進位制位，則將其分成兩部分，前10位對映在U+D800到U+DBFF，後10位對映在U+DC00到U+DFFF

JavaScript使用的編碼

• USC-2

  • UTF-16晚於js誕生...所以當時選用了USC-2，後來這東西被UTF-16取代了
  • UCS-2使用兩個位元組來對應碼點和表示字元，導致四位元組的字元會被當做兩個兩位元組字元處理，導致字元操作函式返回結果可能不對

• ES6

  • 碼點表示：2位元組\u597D, 4位元組\u{1D306}
  • 其他改進：興趣不大...略過

HTML解析器

待補充

雖發表於此，卻畢竟為一人之言，又是每日學有所得之筆記，內容未必詳實，看官老爺們還望海涵。