【字符编码系列】JavaScript使用的编码-UCS-2

写在前面的话

本文属于 字符编码系列文章之一，更多请前往 字符编码系列。

在JavaScrip中，进行一些GBK或者UTF-8编码的字符操作时，打印出来的经常是乱码，其原因就是因为JavaScript当然内置编码是UCS-2(UTF-16的子集)。
所以弄懂JavaScript的内置编码还是很有必要的，否则对于一些字符操作，如GBK和UTF-8转换时就会模糊不清，无法完全理解。

大纲

• UCS-2和UTF-16的区别

• JavaScript使用哪一种编码

  • 为什么选用UCS-2
  • UCS-2的局限
  • 特别注意ES6

UCS-2和UTF-16的区别

关于UCS与Unicode的互相关系与影响这里就不详细介绍了，详情可以参考[【字符编码系列】字符，字符集，字符编码解惑

有一点需要记住: UCS与Unicode的码点是完全一致的。

发布时间上的区别

• UCS-2是UCS组织开发的，于1990年公布
• UTF-16是Unicode组织开发的，与1996年7月公布

编码的区别

• UCS-2是一种定长的编码方式，用两位字节来表示一位码位，码位范围为: 0到0xFFFF的
• UTF-16是一种变长编码，它兼容UCS-2，同时可以表示UCS-2无法表示的码位，范围为:0到0x10FFFF。在UCS-2覆盖的范围内，UTF-16用2个字节来表示，其它字符用2个字节来表示
• 在常见的字符码位中，UCS-2和UTF-16可以认为是同一个意思

总结

• UTF-16是UCS-2的超集

也就是是说UTF-16取代了UCS-2，或者说UCS-2整合进入了UTF-16。所以现在一般只有UTF-16，没有UCS-2。

JavaScript使用哪一种编码

JavaScript最初使用的编码是UCS-2

为什么使用UCS-2而不是UTF-16

因为在JavaScript出现的时候，还没有UTF-16。

• 1990年公布UCS-2
• 1995年5月，Brendan Eich用了10天设计了JavaScript语言
• 10月，第一个解释引擎问世
• 1996年11月，Netscape正式向ECMA提交语言标准
• 1996年7月公布UTF-16

所以，JavaScript诞生的时候，没有选择，只能使用UCS-2。

关于为什么不使用UTF-8，则是因为UCS-2编码在内存方面的操作及使用效率会更高

UCS-2的局限

由于JavaScript只能处理UCS-2编码，造成所有字符在这门语言中都是2个字节，如果是4个字节的字符，会当作两个双字节的字符处理。

所以，遇到本身应该用4个字节表示的字符时，JavaScript读出来就会不准确，甚至乱码。

例如:亖这个字符为例，它的UTF-16编码是4个字节的0xD834 DF06。
4个字节的编码不属于UCS-2，JavaScript不认识，只会把它看作单独的两个字符U+D834和U+DF06。这两个码点是空的，所以JavaScript会认为亖是两个空字符组成的字符串！

特别注意ES6

以上使用UCS-2的JavaScript只针对于ES5及以前的版本。
对于ES6及以后的JavaScript，是支持识别4个字节码点的。

也就是说: ES6及其以后的JavaScript可以认为内置编码是UTF-16

tips: 是否支持ES6由具体的实现引擎决定

附录

博客

初次发布2017.05.30于个人博客

http://www.dailichun.com/2017/05/30/javascriptInnerCharEncoding.html

参考资料

• Unicode与JavaScript详解
• JavaScript的内部字符编码是UCS-2还是UTF-16
• UTF-16与UCS-2的区别
• 维基百科.字符编码