Unicode 字符编码模型_简介

转载须注明出处：简书@Orca_J35

Unicode 字符编码模型分为四个层级(level)，概况如下：

• ACR: Abstract Character Repertoire 抽象字符库

  要编码(encoded)的字符集，比如：某些字母或符号集

• CCS: Coded Character Set 已编码字符集

  从抽象字符库到到一组非负整数的映射

• CEF: Character Encoding Form 字符编码模式

  从一组非负整数到一组特定代码单元序列的映射，其中的非负整数应是 CCS 中元素，代码单元也应拥有指定宽度，如 32-bit 整数。

• CES: Character Encoding Scheme 字符编码方案

  从代码单元序列到 8-bits 字节序列的可逆转换。如果允许的话，会包含字节顺序标记(byte order mark - BOM)。

将编码模型分为四个层级的目的是：创建一组可以通过各种编码模式编码的通用字符集。也就是说，同一字符集可以对应多种编码方式。

除了以上四个层级外，另外还有两个有用的概念：

• CM: Character Map 字符映射

  这一概念将上述四个层级打包到一个操作中，包含从"抽象字符库成员序列"到字节序列的全部过程。

• TES: Transfer Encoding Syntax 传输编码语法

  应用于文本和其它编码数据的可逆转换，数据需要经过转换后才允许被传输，例如 Base64 和 uuencode。

后续笔记会参考如下内容：

• Character encoding - Wikipedia
• UNICODE CHARACTER ENCODING MODEL - Unicode 报告
• 分享一下我所了解的字符编码知识
• 理解字符编码
• Unicode 及编码方式概述
• Character set encoding basics
• 刨根究底字符编码之一——关键术语解释(上)