一、 计算机存储

1. 位（bit）

计算机内部，所有信息最终都是一个二进制值。每一个二进制位（bit）有0和1两种状态.bit是计算机内存数据存储的最小单位，也称为比特，可简写为b。计算机中的CPU位数指的是CPU一次能处理的最大位数。

2. 字节（byte）

八个二进制位称为一个字节，即 1byte = 8bit，1字节最多可以表示 2^8 = 256 个字符。

3. 字符

计算机中使用的字母、数字、汉字、符号等。在计算机中，采用不同的字符集、不同的编码方式，一个字符占用的存储空间是不同的。

• 在 ASCII 编码中，一个英文字母字符存储需要1个字节;
• 在 GB2312 编码或 GBK 编码中，一个汉字字符存储需要2个字节；
• 在 UTF-8 编码中，一个英文字母字符存储需要1个字节，一个汉字字符储存需要3到4个字节;
• 在 UTF-16 编码中，一个英文字母字符或一个汉字字符存储都需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）;
• 在UTF-32编码中，世界上任何字符的存储都需要4个字节。

二、 字符编码

1. ASCII

• American Standard Code for Information Interchange
• 美国字符集，主要用于显示现代英语和其他西欧语言，共128个字符；
• 最通用的单字节编码系统；
• 1字节

2. GB2312、GBK

• GB2312是中国国标字符集，规定了6763个中文、682个拉丁、希腊字母等， 微软在GB基础上拓展出了GBK；
• 2字节

3. Unicode

• 全世界所有的字符集合，目前，Unicode的最新版本是7.0版，一共收入了109449个符号;
• 包含17个平面：
  1个基本面（2^16=65536个字符，范围为 U+0000 ~ U+FFFF）,16个辅助平面（U+010000 ~ U+10FFFF）；

三、编码方法

Unicode只规定了每个字符的码点，到底用什么样的字节序表示这个码点，就涉及到编码方法。

1. UTF-32

• 4个字节表示一个字符；
• 与Unicode编码一一对应，比如，字母a为0x00000061；
• Pro：查找效率高，时间复杂度o(1)
• Con：浪费空间，比相同ASCII编码大四倍

2. UTF-8

• 变长编码方法，1~4个字节，越是常用的字符，字节越短，最前面的128个字符，只使用1个字节表示，与ASCII码完全相同；
• 节省存储空间；
• 由于它节省空间的特性，使用最多；

3. UTF-16

• 变长编码，2或4个字节；
• 基本平面的字符占用2个字节（U+0000 ~ U+FFFF），辅助平面的字符占用4个字节（U+010000 ~ U+10FFFF）

四、JavaScript采用哪种？

• Unicode字符集
• UCS-2编码
  • 2个字节，且字符不全；
  • JS被发明的时候只有UCS-2，没有UTF；
  • 后来UTF-16取代了UCS-2，或者说UCS-2整合进了UTF-16，所以，现在只有UTF-16，没有UCS-2；
  • 所以说JS采用的是UTF-16编码方式；
• 带来的问题：
  • 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。JavaScript的字符函数都受到这一点的影响，无法返回正确结果；
  • ES6中增强了Unicode支持，基本解决了上述问题；

参考:

• 阮一峰：字符编码笔记：ASCII，Unicode和UTF-8
• 阮一峰：Unicode与JavaScript详解