Unicode 编码字符集旨在收集全球所有的字符，为每个字符分配唯一的字符编号即代码点（Code Point），用 U+紧跟着十六进制数表示。所有字符按照使用上的频繁度划分为 17 个平面（编号为 0-16），即基本的多语言平面和增补平面。基本的多语言平面（英文为 Basic Multilingual Plane，简称 BMP）又称平面 0，收集了使用最广泛的字符，代码点从 U+0000 到 U+FFFF，每个平面有 65536 个码点；增补平面从平面 1~16，分为增补多语言平面（平面 1）、增补象形平面（平面 2）、保留平面（平 3~13）、增补专用平面等，每个增补平面也有 power(2, 16) = 65536 个码点。所以 17 个平总计有 17 × 65,536 = 1,114,112 个码点。
unicode 目前普遍采用的编码方式是 UCS-2，使用 2 个字节表示有码点的字符，简而言之就是将每一个字符用 16 位 2 进制数标识，但是通常都用 4 位的 16 进制数标识。javascript 语言采用 unicode 字符集，并使用 UCS-2 编码方法，例如：
- 中文字符串"你好"的 unicode 编码 16 进制表示为：
\u4f60\u597d - 中文字符串"你好"的 unicode 编码 2 进制表示为：
01001111 01100000 01011001 01111101 - 英文字符串"ab"的 unicode 编码 16 进制表示为：
\u0061\u0062 - 英文字符串"ab"的 unicode 编码 2 进制表示为：
00000000 1100001 00000000 1100010
其中\u是标识 unicode 码用的，后面的 4 位 16 进制数则是对应字符的 unicode 码点。
unicode 编码规则
将一个字符(char)的高 8 位与低 8 位分别取出，转化为 16 进制数，如果转化的 16 进制数的长度不足 2 位则补 0，然后将高、低 8 位转成的 16 进制字符串拼接起来并在前面补上
\u即可。
用 java 代码说明 unicode 的编码规则
public class Unicode { public static void main(String[] args) { char c = '一'; // 一(4e00)是 unicode 中文字符集首字，龥(9fa5)是 unicode 中文字符集尾字 int i, j; i = c & 0xFF; j = c >>> 8; System.out.println("Original character is: " + c); System.out.println("low 8 bit is: " + i); System.out.println("high 8 bit is: " + j); }} |
javac Unicode.java java UnicodeOriginal character is: 一low 8 bit is: 0high 8 bit is: 78 |
javascript 版本 console 示例
c = '一'.charCodeAt(0)// 19968i = c & 0xFF // c & 255// 0// 255 的二进制即 11111111，高位前 8 位全为 0，那 2 个数字进行“与”操作之后，高 8 位就被抹去了j = c >>> 8 // 向右移动 8 字节，低位的 8 位就去掉了，只剩下高 8 位了// 78j.toString(16)// "4e"i.toString(16)// "0" |
高位78转为 16 进制为4e，将高、低 8 位转成的 16 进制字符串拼接起来即为\u4e00，这就是中文字一的 unicode 编码。
在 ajax 请求返回的 responseText 或者 json 数据可以先在服务器端编码为 unicode 格式传给客户端浏览器，这样客户端的页面无论是什么编码，js 都可以很好的处理返回的内容。4e00的十进制值为4 * 16 * 16 * 16 + 14 * 16 * 16 + 0 * 16 + 0 = 19968
网页中则可以用一；来表示中文字一，这样不论网页以何种编码，页面始终都可以正常显示，而不会出现乱码。这种方法以前在做 wap 项目常常将页面上所有中文字都用 unicode 编码后发布，就是为了避免乱码问题。
javascript 代码，验证字符串中是否包括中文字
/[\u4e00-\u9fa5]/.test(str) |
ruby 中验证字符串中是否包括中文字
/[一-龥]/ =~ str |