我可以使用charCodeAt方法从单个字符中获取Unicode。
当我使用它将字符串转换为unicode数字时，我会得到以下结果：
"A".charCodeAt(0) === 65
"४".charCodeAt(0) === 2410
将这些十进制数转换为二进制数如下：
"A".charCodeAt(0).toString(2) === "1000001" // 1 byte, with padleft: "01000001"
"४".charCodeAt(0).toString(2) === "100101101010" // 2 bytes, with padleft: "0000100101101010"
这意味着，4符号使用2个字节来表示。但阅读过程如何知道呢？
它也可以是两个不同的字符" "和"j"：
String.fromCharCode(parseInt("00001001", 2)) === " " // horizontal tabulator
String.fromCharCode(parseInt("01101010", 2)) === "j"。
那么二进制读取过程如何知道一个字符使用了多少字节？有什么像分隔符吗？
答案 0 :(得分：4)
Unicode将每个字符*映射到整数“代码点”。有效代码点是U + 0000到U + 10FFFF，允许超过一百万个字符（尽管大多数字符尚未分配）。
（*它有点复杂，因为有“组合字符”，其中一个用户感知字符可以由多个代码点表示。并且一些字符具有预先组合和分解的表示。例如，西班牙字母ñ可以表示为单个代码点U + 00F1，也可以表示为序列U + 006E U + 0303（n +组合波浪号）。）
有三种不同的编码形式（不包括像UTF-9 and UTF-18这样的非常类型），可用于表示字符串中的Unicode字符。
UTF-32是最直接的：每个代码点由32位整数表示。所以，例如：
A（U + 0041）= 0x00000041 ñ（U + 00F1）= 0x000000F1 ४（U + 096A）= 0x0000096A 虽然简单，UTF-32使用大量内存（每个字符4个字节），很少使用。
UTF-16使用16位代码单元。字符U + 0000到U + FFFF（“基本多语言平面”）直接表示为单个代码单元，而字符U + 10000到U + 10FFFF表示为“代理对”。具体来说，从代码点减去0x10000（产生一个20位数），并使用这些位填写二进制序列110110xxxxxxxxxx 110111xxxxxxxxxx。例如，
A（U + 0041）= 0x0041 ñ（U + 00F1）= 0x00F1 ४（U + 096A）= 0x096A 为了使这个系统工作，代码点U + D800到U + DFFF永久保留给这个UTF-16代理机制，永远不会被分配给“真实”字符。
这是一种向后兼容性“黑客”，允许在1990年代的平台上表示完整的17-“平面”Unicode代码空间，这些平台的设计期望Unicode字符始终为16位。这包括Windows NT，Java和JavaScript。
UTF-8表示具有1-4个字节序列的Unicode代码点。具体来说，每个字符都用 shortest 表示：
所以，使用前面的例子：
A（U + 0041）= 0x41 ñ（U + 00F1）= 0xC3 0xB1 ४（U + 096A）= 0xE0 0xA5 0xAA 此编码具有可以从第一个字节的值确定序列中的字节数的属性。此外，前导字节可以很容易地与连续字节区分开来：
答案 1 :(得分：2)
在内部，JS使用UTF-16，也就是说，来自平面0的每个代码点都占用一个16位单位，而更高的平面字符则表示为代理对并使用两个单位。
源编码是UTF-8，也就是说，一个字符需要1到4个字节，具体取决于第一个字节的前导位。