Unicode常见用法

Unicode 是国际统一的字符集，为世界上的文字、符号和 emoji 分配唯一码点（U+0000–U+10FFFF，共 17 个平面）。下面重点说明典型写法与场景。

Unicode常见用法

• 全球化和多语言软件
• 网页、JSON、API 的默认字符集基础
• emoji 与符号处理
• 数据库排序和检索（校对规则）

示例

输入：https://www.123wen.cn/?q=测试

码点结果：

h=U+0068，t=U+0074，t=U+0074，p=U+0070，s=U+0073，:=U+003A，/=U+002F，/=U+002F，w=U+0077，w=U+0077，w=U+0077，.=U+002E，1=U+0031，2=U+0032，3=U+0033，w=U+0077，e=U+0065，n=U+006E，.=U+002E，c=U+0063，n=U+006E，/=U+002F，?=U+003F，q=U+0071，==U+003D，测=U+6D4B，试=U+8BD5

说明：码点是抽象编号，具体存盘还要选 UTF-8 或 UTF-16 等编码。

怎么选

新系统以 Unicode 为字符集、以 UTF-8 为存储和传输编码。只有在对接老系统时才在边界转换成 GBK 或 Big5。

Unicode 是字符集；UTF-8/16/32 是编码方案。GBK、Big5 是另一套字符集兼编码，与 Unicode 之间必须查表转换。ASCII 是 Unicode 的前 128 个码点。

Java 示例

下面是 Java 中处理Unicode的常用写法：

"中".codePointAt(0);  // 0x4E2D
new String(Character.toChars(0x1F600));

运行前确认输入的字符集（推荐 UTF-8），结果可以用本站工具交叉核对。

本站的Unicode转换工具可以直接处理，计算在浏览器本地完成，适合快速核对结果。

常见问题

【为什么两个看起来一样的字比较不相等？】可能一个是组合字符（字母+注音），一个是预合成字符，需要先规范化。

【emoji 是一个字符吗？】一个 emoji 可能由多个码点组成（例如带修饰符或 ZWJ 序列）。

【Unicode 和 UTF-8 是一回事吗？】不是。Unicode 规定“字符编号”，UTF-8 规定“编号怎么变成字节”。

文中示例可以在本站对应工具中验证；处理密钥、证书等敏感数据时，请注意保护隐私。

标签： Unicode 数码开发