Encoding & Standards

BOM（字节顺序标记） (BOM)

放置在文本文件开头的字符（U+FEFF），用于指示UTF-16/UTF-32编码中的字节顺序（字节序）。

UTF-16

每字符使用2或4个字节的可变长度Unicode编码方式，被JavaScript、Java和Windows内部使用。

UTF-32

每字符固定使用4个字节的Unicode编码方式，可直接映射到码位，但存储效率较低。

UTF-8

每字符使用1至4个字节的可变长度Unicode编码方式，是互联网上最主流的编码，被98%以上的网站采用。

代理对

用于表示U+FFFF以上字符的两个UTF-16编码单元组合，由高代理（U+D800-U+DBFF）和低代理（U+DC00-U+DFFF）构成。

平面

由65,536个连续Unicode码位构成的分组。第0平面为基本多文种平面（BMP），大多数表情符号位于第1平面（SMP）。

编码单元

用于编码字符的最小位组合：UTF-8为8位，UTF-16为16位，UTF-32为32位。

补充多文种平面（SMP） (SMP)

Unicode第1平面（U+10000至U+1FFFF），绝大多数表情符号码位都分配在此区域。