Unicode 和 UTF-8 之间的关系

Unicode 是一种字符集合，现在可容纳 100 多万个字符。每个字符对应一个不同的 Unicode 编码，它只规定了符号的二进制代码，却没有规定这个二进制代码在计算机中如何编码传输。

UTF-8 是一种对 Unicode 的编码方式，它是一种变长的编码方式，可以用 1~4 个字节来表示一个字符。

补充：UTF-8 是目前 Web 上最常用的 Unicode 传输编码（UTF-16、UTF-32 也可表示 Unicode，但空间开销大）。它对不同范围的 Unicode 码点采用不同字节数编码：

  • ASCII 范围内的字符（U+0000 ~ U+007F）用 1 个字节表示，与 ASCII 完全兼容。
  • 拉丁文、希腊文等（U+0080 ~ U+07FF）用 2 个字节。
  • BMP 平面内的常用字符（U+0800 ~ U+FFFF，如中文）用 3 个字节。
  • 辅助平面字符（U+10000 ~ U+10FFFF，如 emoji）用 4 个字节。

这种变长方案的好处是英文文档体积小，又能容纳全球字符。JS 字符串在内存中使用 UTF-16 编码（每个码元 2 字节），而浏览器/网络传输默认使用 UTF-8。

// 在 Node 中查看字符串编码后的字节序列
const buf = Buffer.from('你好', 'utf8');
console.log(buf);          // <Buffer e4 bd a0 e5 a5 bd>  6 字节
console.log(buf.length);   // 6

来源整理自：vue3js.cn 面试官系列