1. Unicode 是什么？
有一个想法，将全世界所有的字符号都包含在一个集合里边，任何机器支持这一个集合就行了，再也不会有乱码了。基于这个想法，Unicode 码应运而生。它用数字编号来表示符号，到 7.0 版，已经有了 109449 个符号。一般用 26 进制表示，'U+4E49'表示字符'义'，'U+'是前缀，整体叫做码点。
集合分为几个区间，U+0000U+FFFF 是最常用的字符，称为基本平面，剩下的 U+010000U+10FFFF 称为辅助平面。
2. 编码方式
平常说的 UTF-8，UTF-16 就是说的码点的编码方式。UTF-32 指无论是什么码点，一律使用 4 个字节表示，一共是 8 位 16 进制数，位数不足的，在前边补 0，例如 U+389D = 0x0000 389D。UTF-8 字节数灵活，用 1 个字节能表示的用 1 个字节，用两个字节才能表示的，用两个字节，还可能是 3 个 4 个字节。同样的文本 UTF-8 占的存储空间比 UTF32 小多了。所以，网页编码大部分使用的是 UTF-8。
3. UTF-16
重点说一下 UTF-16。UTF-16 介于以上两者之间，规则也很简单，基本平面的字符占用 2 个字节，辅助平面的字节占用 4 个字节。因为常用的字符都在基本平面，所以 UTF-16 比 UTF-32 所占空间要小。当我们看到 4 个字节，如果前两个字节码点的范围是 U+D800 到 U+DBFF，那么后两个字节码点一般在 U+DC00 到 U+DFFF 范围内，那么它就是一个 4 字节字符。但是 U+D800 到 U+DBFF 范围内的 2 个字节的字符怎么办？在基本平面里边 U+D800~U+DBFF 是一个空段，不对应任何字符（不知道是不是有意为之），所以用这段来表示 4 字节字符的前段，也叫高位，后边的 U+DC00 到 U+DFFF 叫低位。
所以，当我们遇到两个字节，发现它的码点在 U+D800 到 U+DBFF 之间，就可以断定，紧跟在后面的两个字节的码点，应该在 U+DC00 到 U+DFFF 之间，这四个字节必须放在一起解读。
给一个辅助平面的码点，怎么转化成 UTF-164 字节形式呢？有一个公式可用：
H = Math.floor((c - 0x10000) / 0x400) + 0xd800;
L = ((c - 0x10000) % 0x400) + 0xdc00;
4. javascript 中的 Unicode
javascript 采用 Unicode 字符集，支持的编码方式是 UCS-2。UTF-16 是 UCS-2 的超集，至于 UCS-2 是什么，请自行百度。在 javascript 中处理字符串时，可以看做是 UTF-16 编码。遇到 4 个字节的字符，String.prototype.length 会得到 2，不过在 es6 中增加了新的 api 处理 4 个字节字符的方法，这里就不展开介绍了。js 中的表示方法是'\u'+四位 16 进制数，例如'\u4f60'表示中文'你'，这是一个长度是 1 的字符。'\u004F\u030C'表示符号'Ǒ'，lendth 长度是 2。匹配辅助平面的字符的正则：/[\uD800-\uDBFF][\udc00-\udfff]/，匹配到的字符 length 都是 2。首先要将码点转化为高位和低位形式，再与正则比较判断。
5. javascript 中处理 emoji
emoji 实质上也是 Unicode 码，也可以在 javascript 中处理。大部分 emoji 是 4 个字节，由高位+低位两端编码组成，只要解析的时候不把高位和低位分开，就不会出现'乱码'的情况。但是有些 emoji 是由多个 emoji 连接而成，例如：
U+1F468：男人
U+1F469：女人
U+1F467：女孩
使用连接符号 U+200D 连接，U+1F468 U+200D U+1F469 U+200D U+1F467，就会显示一个新的 emoji 表情：家庭，但是如果系统不支持这种表示，还是会显示 3 个单独的表情。