unicode字符是什么意思

unicode使任何语言的字符都可以为机器更容易的接受,unicode由uc(unicode协会)管理并接受其技术上的修改。包括java、ldap、xml这样的技术标准中均要求得到unicode的支持。unicode的字符被成为代码点（code points），用u后面加上***x来表示，其中，x为16进制的字符。

对于英文来说，ascii码 0-127就足以代码所有字符，对于中文而言，则必须使用两个字节(byte)来代表一个字符，具第一个字节必须大于127(所以我们有许程序判断中文都是以ascii码大于127作为条件)。以上用两个字节来表示一个中文的方式，在习惯上称为双字节(即dbcs: double-byte character set)，而相对之下，英文的字符码就称为单字节sbcs(single-byte character set)。

虽然双字节(dbcs)足以解决中英文字符混合使用情况，但对于不同字符系统而言，必须经过字符码转换，非常麻烦。例如：中英文混合情况，日文，韩文等等。为解决这个问题，国际标准组织于1984年4月成立iso/iec jtc1/sc2/wg2工作组。针对各国文字、符号进行统一性编码。1991年美国跨国公司成立unicode consortium。并于1991年10月与wg2达成协议。采用同一编码字集。目前unicode是采用16位编码体系。其字符集内容与iso10646的bmp（basic multilingual plane）相同。unicode于1992年6月通过dis（draf international standard）。目前版本v2.0于1996公布。内容包含符号6811个。汉字20902个。韩文拼音11172个。造字区6400个。保留20249个。共计65534个。

随着国际互联网的迅速发展。要求进行数据交换的需求越来越大。不同的编码体系越来越成为信息交换的障碍。而且多种语言共存的文档不断增多。单靠代码页已很难解决这些问题。于是unicode应运而生。

unicode有双重含义。首先unicode是对国际标准iso/iec10646编码的一种称谓（iso/iec10646是一个国际标准。亦称大字符集。它是iso于1993年颁布的一项重要国际标准。其宗旨是全球所有文种统一编码）。另外它又是由美国的hp、microsoft、ibm、apple等大企业组成的联盟集团的名称。成立该集团的宗旨就是要推进多文种的统一编码。

unicode同现在流行的代码页最显著不同点在于：unicode是两字节的全编码。对于ascii字符它也使用两字节表示。代码页是通过高字节的取值范围来确定是ascii字符。还是汉字的高字节。如果发生数据损坏。某处内容破坏。则会引起其后汉字的混乱。unicode则一律使用两个字节表示一个字符。最明显的好处是它简化了汉字的处理过程。

unicode使用平面来描述编码空间。每个平面分为256行。256列。相对于两字节编码的高低两个字节。

unicode的第一个平面。称为basic multilingual plane（基本多文种平面）。简称bmp。由于bmp仅用两个字节表示。所以倍受青睐。

unicode的最初目标。是用1个16位的编码来为超过65000字符提供映射。但这还不够。它不能覆盖全部历史上的文字。也不能解决传输的问题(implantation head-ache's)。尤其在那些基于网络的应用中。因此。unicode用一些基本的保留字符制定了三套编码方式。它们分别是utf-8，utf-16和utf-32。正如名字所示。在utf－8中。字符是以8位序列来编码的。用一个或几个字节来表示一个字符。这种方式的最大好处。是utf－8保留了ascii字符的编码做为它的一部分。例如。在utf－8和ascii中。“a”的编码都是0x41.utf－16和utf－32分别是unicode的16位和32位编码方式。考虑到最初的目的。通常说的unicode就是指utf-16。

多年来。计算机普遍采用美国信息交换标准代码（american standard code for information interchange，简称ascii码）来表示字符。这些字符可以是字母。数字。标点符号和控制符。用这种编码来表示英文在内的字符不成问题的。但要表示其它语言文字如。***文。中文。日文。维文。哈文…必须进行扩充。在1987年。xerox palo alto研究中心的joe becker和lee collins。以及apple公司的mark davis试图研究一种适用于多文种处理的字符编码。这种编码很快就得到了许多大公司的支持。这些公司都派代表参加unicode研究组。unicode的研究得到了较快的进展。由于unicode集团的成员都是世界上的主要系统及软件制造商。所以unicode很快就成为事实上的工业标准。

基于unicode的系统允许使用65000个不同的字符。足以善盖世界所有语言的所有字母。外加数千种符号。

其中。general scripts区单独收录了19种语言文字。包括ascii，latin1，greek，cyrillic，armenian，hedrew，arabic，devanagari，bengali ，gurmukhi，gujarati，oriya，tamil，telugu，kannada，malayalam，thai，lao，*****an，georgian等语言文字之外。还包括汉语。日语和**语中的所有大量字符。

unicode是一种定长的2b多文种字符集编码。它试图善盖现有的有关国家和地区的标准。包括gb2312，cns11643，jis 0208和ksc 5601等。unicode可以表示混合文字资料。也可以保证以前的iso 10646。

unicode的特点是：

不管哪一国的字符码均以两个byte表示，例如"a"在unicode则是16进制 41和00的组合，即4100，高位41(转换为ascii码即是65=a)，windows nt/2000以unicode来表示字符集，例如你可以看到ms sql server中产生的sql文件可以选择是以unicode来保存还是以普通格式来保存，如果你以unicode保存，则在95/98平台许多软件均无法正确读出其格式。

同时你还可以注意到95/98中api定义，许多名称结尾是有一个a的，例如

writeprofilestringa

而在nt/2000操作系统中，提供了两套api，另外一个命令是writeprofilestringw，以w 结尾的api只适用于nt / 2000。（在nt中使用以w结尾的api函数效率比a结尾的要快，因为省去了unicode和dbcs/sbcs的转换过程）

这样我们经常要用到的判断字符串长度的函数，在nt和95/98下执行结果不同，如下：(下面代码适合于vb, asp)

95/98中：

len("abc中国") 返回 7 (因为每个中文作为两个ascii码来看)

nt/2000中：

len("abc中国") 返回 5 (因为每个字符都作为一个unicode来看)