js地址中百分号字符转化为汉字_追本溯源：字符串及编码
开始
先考虑下边的问题。
我们知道 length 就是字符串的字符数，所以输出的依次是 2，1，1，对吗？
探索⼀
我们知道，计算机⾥只能存 0 和 1，换⾔之，只能存数字，⽽我们现在在屏幕上看到的⽂字只是将数字对应到图形⽽已。
unicode汉字
早期的 ASCII 码就是典型的例⼦，如下图，为了书写⽅便我在数字前边加了 0x 代表是 16 进制。
我们⽤ 106 代表 ' j '，115 代表 ' s ' 。然后如果⽤ ASCII 码表⽰ " js " 的话，其实就是 0110101001110011 ，然后每 8 位也就是⼀个字节组成⼀个数字，根据对应关系电脑把本来的数字转换成了字符 “js” 展⽰到了我们⾯前。
有⼀个缺点就是 ASCII 码是 8 位，那么只能表⽰ 28" role="presentation" >2 的 8 次⽅个数字，也就是 256 个数字，这对于英⽂字母已经⾜够了。但是对于汉字的话，还远远不够。
探索⼆
所以我们加 1 个字节，⽤两个字节的数字去对应汉字，2 的 16 次⽅，也就是 65536，肯定⾜够了。
当然，每个国家都会这样想，然后都制定了⾃⼰的语⾔相应的对应规则，这当然不⽅便⼤家在互联⽹上互通有⽆，如果本机不知道对应国家的编码对应关系，从⽽会造成乱码。所以后来有了 Unicode。
我们⽤ 0x000000 - 0x10FFFF 这么多的数字去对应全世界所有的语⾔、公式、符号。然后把这些数字分成 17 部分，把常⽤的放到
0x0000 - 0xFFFF，也就是 2 个字节，叫做基本平⾯ (BMP)。从 0x010000 - 0x10FFFF 再划分为其他平⾯。
和 ASCII 码⼀样，我们可以把每个符号对应于⼀个数字，这个数字我们也把它叫做码点值。
有了对应关系，我们可以像 ASCII 码那样去存了。当然这⾥的话因为每个字符都对应 24 ⽐特位的数字，所以我们就⽤ 3 个字节去存它吧。但是考虑到 CPU 的寄存器都是 8 位，16 位，32 位。。。翻倍来的，所以即使⽤ 24 位，最终还得转到 32 位，所以我们直接⽤ 32位吧。
是的，这就是传说中的 UTF - 32 编码，简单明了，码点值是多少，内存中就存多少。
探索三
UTF - 32 缺点很明显了，字母 A 原本只需要 1 个字节去存储，⽽现在却⽤了 4 个字节去存，⼤部分位置都是 0。
我们为什么要多存那么多零呢？能不能 A 只存 0x41，亮只存 0x4eae。如果 A亮这个字符串放到内存中就是 0x414eae。问题来了，计算机怎么知道，⼏个字节代表⼀个字符呢？是 0x41呢？还是 0x414e 呢？还是 0x414eae？
于是，就有了 UTF - 8，将码点值进⾏⼀定的转换再去存储。
把阮⼀峰⽼师的讲解搬过来。
跟据上表，解读 UTF-8 编码⾮常简单。如果⼀个字节的第⼀位是0，则这个字节单独就是⼀个字符；
如果第⼀位是1，则连续有多少个1，就表⽰当前字符占⽤多少个字节。
下⾯，还是以汉字严为例，演⽰如何实现 UTF-8 编码。
严的 Unicode 是4E25(100111000100101)，根据上表，可以发现4E25处在第三⾏的范围内(0000 0800 - 0000 FFFF)，因此严的UTF-8 编码需要三个字节，即格式是1110xxxx 10xxxxxx 10xxxxxx。然后，从严的最右边⼆进制位开始，依次从右往左填⼊上边格式中的x，多出的位补0。这样就得到了，严的 UTF-8 编码是11100100 10111000 10100101，转换成⼗六进制就是E4 B8 A5。
让我们再看下「亮」，码点值是0x4eae，⼆进制就是 100111010101110，同样符合第三⾏，即格式是1110xxxx 10xxxxxx 10xxxxxx。
从亮的最右边⼆进制位开始，依次从右往左填⼊上边格式中的x，多出的位补0。这样就得到了，亮的 UTF-8 编码是 1110(0100)
10(111010) 10(101110)，16 进制就是 e4 ba ae。
所以现在的对应关系变成了下边的样⼦。
和 UTF - 32 不同之处在于，我们不再⽤ 4 个字节存储码点值，⽽是通过规则转换后再存储，这样的好处就是之前的A的话就只需 1 个字节就够了，⽽其他的可能是 2 个或 3 个，4 个字节，所以 UTF - 8 也叫变字长编码。
由于 UTF - 8 的变字长，⽽对于⼤部分常⽤字符都是 1 或 2 个字节，所以对于 html、邮件的传输多⽤ UTF-8 进⾏编码后传输。
探索四
UTF - 8 有什么缺点吗？
对于⼀个字符串abc天⽓不错，如果我们知道它的总共⼤⼩是 19 字节，但是我们很难算出它有多少个字符。因为有的字符是 1 个字节，有的是 2 个字节，有的是 3 个。所以为了知道字符数，我们还需要遍历⼀遍所有字节，从⽽确定有多少个字符。此外如果我们想取第 3 个字符，我们还是得从第 0 个字节开始遍历，因为我们不知道每个字符有多少字节。
如果每个字符都⽤固定长度编码就好了，这不⼜回到 UTF - 32 了吗？不不不，我们折中⼀下。
对于 Unicode 字符集，基本平⾯是我们常⽤的⼀些字符，⽤两个字节就可以编码。所以对于亮字的话，码点值是0x4eae，那么我们内部就⽤ 0x4eae 去存。⽽ ASCII 码只需要⼀个字节，那么我们把通过⾼位补零扩充⾄两个字节去存。例如A的码点值是 65，16 进制对应
0x41，⽤ U+41 表⽰。那么内部的话就⽤ 0x0041 去存。
那么基本⾯以外的字符呢？⽐如?(可能显⽰不出来)这个字就属于基本⾯以外，它的 Unicode 码点值是 178178，也就是 0x2b802 ，显然⽤两个字节是存不下的，那怎么办呢？
⽤四个字节存呗，像 UTF - 32 那样直接存码点值，然后⾼位补零吗？显然不⾏了，因为第⼀平⾯我们是⽤的两个字节，如果第⼀平⾯外的直接⽤四个字节去存码点值的话，可能会导致前两个字节和基本
⾯的两个字节重复，导致我们⽆法区分当前字符是两个字节还是四个字节。
UTF - 8 中，我们根据⼆进制开头的 1 的个数来表⽰当前字符是⼏个字节。这⾥的话，幸运的是在第⼀平⾯ U+D800 .. U+DFFF 的值不对应于任何字符。所以我们可以根据⼀些算法，把码点值转换为 4 个字节，前两个字节就⽤ U+D800 .. U+DFFF 中的值，这样如果前两个字节是 U+D800 .. U+DFFF 范围内的数，那就意味着该字符是 4 个字节编码的。否则就是两个字节。
这就是 UTF - 16 的编码⽅式了(具体的算法⼤家可以⽹上⼀下)，相对于 UTF - 8 的优势就是固定字节数，⼤部分字符都是两个字节。所以如果对于⼀个字符串abc天⽓不错如果采⽤ UTF - 16 编码，我们知道了它的总⼤⼩是 14 字节，那么字符数就很好知道了，它的⼤⼩除以 2 就是它的字符数了。⽽取第 4 个字符，如果知道了字符串开头的地址，也只需要加 2 * 4 就可以了(下标从 0 开始)。对于字符串的切割合并也都很好操作了。
所以对于⼀些语⾔ java，javascript ⾥的字符串也都⽤了 UTF - 16 编码。所以回到最开始的问题。
那么就取决于这些字符是不是在第⼀平⾯内了，如果是的话，那么结果就会就是 2 1 1。遗憾的是 “?” 这个字并不在基本平⾯，所以它内部是⽤四个字节编码，⽽ js 为了⽅便简单，它简单粗暴的认为两个字节就是⼀个字符，所以输出的就是 2 了。
实验验证
接下来说⼀下⽂件的存储。
我们打开⼀个 .txt，看到很多⽂字、符号，⽽内部其实也是⽤ 0、1 存储的。既然要存储，就需要把 Unicode 的码点值进⾏编码。
如果是 UTF - 8 编码，那么⼀个码点值会⽣成 1 个或多个字节，然后把这些字节按顺序存就可以了。
如果是 UTF - 16 编码呢？
我们知道⼀个 Unicode 的码点值会对应⼀个数字，对于基本平⾯的字符，我们直接把这个数字存到内存中。那么问题来了，我们知道亮的码点值是 20142，换成 16 进制就是 0x4eae，内存中是按字节进⾏编址的。所以我们是先存4e呢？还是ae？先存4e吧，这样就符合我们⼈类阅读顺序，先读4e，所以先存4e呗。所以在内存中就是下边的样⼦。
内存地址内存值0x00000000    01001110 (4e)0x00000001    10101110 (ae)
那么问题⼜来了，计算机处理的话先读取的是低地址，也就是4e，⽽4e对应数字0x4eae的⾼位(如果是 10 进制，个⼗百千，千就叫做⾼位)。有时候我们希望从低位读(也就是⼗进制中的个位)数字，所以我们希望这样去存。
内存地址内存值0x00000000    01001110 (ae)0x00000001    10101110 (4e)
这就是多个字节存储的时候的字节序问题，把数字的⾼位存到低地址，低位存到⾼地址，叫做⼤端序(big endian)，存储顺序符合我们⼈类习惯。反之就叫⼩端序(little endian)。
如果把亮字存到⼀个 .txt 中。
如果⽤ UTF-8 编码，那么前边算过的，就是e4 ba ae。
如果⽤ UTF-16 编码，⼤端序的话就是4eae。
如果⽤ UTF-16 编码，⼩端序的话就是ae4e。
我们可以验证⼀下，可以⽤ notepad++，安装⼀个 HEXEditor 插件即可。或者其他的可以查看内部编码的也⾏。
写⼀个亮到
以 UTF - 8 编码。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。