关于JavaScript使用UCS-2还是UTF-16的问题我找了半天也没找到权威的答案。我决定自己研究一下。这个答案来自于你对JavaScript引擎或JavaScript语言的理解。1.著名的BMP（BasicMultilingualPlane）Unicode标识符使用一个明确的名字和一个整数作为它的代码点（codepoint）。例如“?”字符的码位可以用“版权标志”和U+00A9（0xA9，也可以写成十进制的169）来表示。Unicode字符分为17组平面，每组平面有2^16（65,536）个码位。有些代码点没有分配字符，有些代码点被保留并成为私有的，有些代码点总是被保留，作为没有字符的标志。每个代码点都可以用十六进制的xy0000到xyFFFF来表示，其中xy代表一个十六进制值，从00到10。这个第一个位置（当xy为00时）被称为BMP（BasicMultilingualPlane）。它包含从U+0000到U+FFFF的最常用代码点。这里需要补充一点额外的位面知识，还有一个术语表。引用自：wikipedia剩下的16个平面（U+100000到U+10FFFF）称为补充平面。我不会在这里讨论它；只需记住两个概念：BMP字符和非BMP字符，后者也称为增补字符。二、UCS-2和UTF-16的区别UCS-2和UTF-16都是Unicode字符编码方式。UCS-2（UniversalCharacterSetof2bytes）是一种固定长度的编码格式，只需要编码为16字节的代码单元来表示代码点。对于0到0xFFFF(BMP)的大部分范围，这样的表示将产生与UTF-16相同的结果。UTF-16（Unicode转换格式16）是UCS-2的扩展，允许表示比BMP范围内更多的字符。它是一种可变长度格式，其中每个代码点都可以使用1位或2位16字节代码单元表示。可以这样编码的码位在0到0x10FFFF之间。比如在UCS-2和UTF-16中，BMP字符U+00A9版权符号（?）都可以编码为：0x00A9。这里补充一下UCS-2、UCS-4、BMPCPU处理多字节数：“bigendian”（大端）和“littleendian”（小端）。简单理解就是一个Unicode编码，比如6C49，在文件里写6C49或者496C，两种方式，前者叫“大尾”，后者叫“小尾”。UCS可分为两种格式：UCS-2和UCS-4。UCS-2使用两个字节进行编码，UCS-4使用4个字节（实际上只有31位，最高位必须为0）进行编码。转换关系：UCS-4高两个字节为0码位的称为BMP；UCS-4BMP去掉前两个零字节得到UCS-2；UCS-2加上两个零字节以获得UCS-4中的BMP。3.Surrogatepairs对于BMP以外的字符，比如U+1D306，四行居中（其实不好翻译：tetragramforcenter，？），只能用两个UTF-16的16字节编码：0xD8340XDF06。这称为代理对。值得注意的是，代理对只代表一个字符。补充一点，代理对的概念其实是指上面的UTF-16编码，使用了两个16字节的编码。那是因为一个UTF-16编码是不够的，那么应该用2个UTF-16编码来表示更多的字符。然后会发生这种情况：过去一个字符的2个字节的空间变成了4个字节的空间。所以规定只用2个UTF-16编码来表示一定范围内的一个字符。这种方式称为代理对，其余仍用2个字节表示。surrogatepair中的第一个字符单元总是在0xD800和0xDBFF之间，称为highsurrogate或leadsurrogate（highsurrogate或leadsurrogate，暂且先找出专业术语再翻译）。第二个字符单元始终在0xDC00和0xDFFF之间，称为低代理项或尾代理项。UCS-2不支持代理对，因此要表示前面的字符需要使用2个分隔字符。4.代码点和代理对之间的转换TheUnicodeStandard3.0(pdf)的第3.7节定义了一种转换算法。假设：大于0xFFFF的码点C由代理对表示：H=Math.floor((C-0x10000)/0x400)+0xD800L=(C-0x10000)%0x400+0xDC00转换后公式转换，比如从一个代理对到一个Unicode码点C，可以用公式：C=(H-0xD800)*0x400+L-0xDC00+0x100005.好的，那么关于JavaScript的编码问题？ECMAScript中定义了如何解释字符的问题。在level3或更高级别的实现中，遵循国际标准，以Unicode3.0标准或更新的标准，以及ISO/IEC10646-1和UCS-2或UTF-16作为编码格式。如果采用的ISO/IEC10646-1本身没有指定，则标识为BMP自己的，设置300（这里不懂）。如果没有使用其他编码，它将被编码为UTF-16。也就是说，JavaScript引擎被允许使用UCS-2或UTF-16进行编码。然后根据具体的部分，认为引擎中的编码需要一些UTF-16的知识。当然，内部引擎对大多数JavaScript开发人员没有实际影响。关于JavaScript如何看待字符的更多有趣发现，有一段话：尽管在本文档的其余部分，字符单元和文字字符将使用16位无符号值表示，用于表示单个16位文本单元。Unicode字符将使用抽象的语言或印刷单位（可以超过16位，因此可以由多个代码单元表示）来表示。代码点可以用Unicode标准值表示。组合字符序列的组件可能具有单独的“Unicode字符”，即使用户可能将整个序列视为单个字符。可能需要重新翻译，原文在本文档的其余部分，短语代码单元和单词字符将用于指代用于表示单个16位文本单元的16位无符号值。短语Unicode字符将用于指代由单个Unicode标量值（可能长于16位，因此可能由多个代码单元表示）表示的抽象语言或印刷单位。短语代码点指的是这样一个Unicode标量值。Unicode字符仅指由单个Unicode标量值表示的实体：组合字符序列的组件仍然是单独的“Unicode字符”，即使用户可能会想到整个序列作为单个字符。JavaScript使用单个字符来处理字符单元通常被认为是一组Unicode字符。当使用BMP范围之外的Unicode字符时，这会产生一些不良后果。例如，一个代理对由2个字符单元组成：'?'.length==2，尽管这里只有一个Unicode字符。如果是字符，代理对将暴露部分：'?'=='\uD834\uDF06'。你在想什么？对于这种方法，至少是UCS-2的替代方法（不同之处在于UCS-2不允许代理字符，而JavaScript字符串允许）。您可以将其视为像UTF-16一样工作，特别是允许使用两部分方法，允许代理项的这种错误排序，并且代理项作为单独的字符公开。我觉得你更容易理解，这种行为叫做“UCS-2proxymethod”（UCS-2withsurrogates，不好翻译，也可以理解为UCS-2withsurrogates）。像UCS-2这样的行为对整个语言的影响更大，因为补充字符范围的正则表达式比支持UTF-16的正则表达式更难编写。代理对只是单个Unicode字符的重组，以便在浏览器中显示（在布局期间）。这发生在JavaScript引擎的范围之外。为了证明这一点，可以在document.write().document.write('\uD834');document.write('\uDF06');时分别写一个高阶代理和一个状态代理字符。也将在结束后读取Renderedasapattern:?.6.结论JavaScript引擎在内部可以自由使用UCS-2或UTF-16。我所知道的大多数引擎都使用UTF-16，无论它们以何种方式实现它，它都只是一个具体的实现，它不会影响语言的特性。那么对于ECMAScript/JavaScript语言本身来说，效果是通过UCS-2实现的，而不是UTF-16。如果在任何时候您需要对Unicode字符进行编码，以便能够在必要时用拆分代理替换它，您也可以免费试用我的JavaScript转义工具。如果您想获取JavaScript字符串中Unicode字符的长度，或创建基于非BMPUnicode代码点的字符串，您可以使用Punycode.js实用方法将UCS-2字符串转换为UTF-16代码点。//`String.length`只是统计所以Unicode字符punycode.ucs2.decode('?').length;//1//`String.fromCharCode`允许你直接使用非分离代理punycode.ucs2.encode([0x1D306]);//'?'punycode.ucs2.encode([119558]);//'?'ECMAScript6会支持字符串中一些新的编码序列（现在好像可以了，大家可以查看为了简单了解资料），它被称为Unicode代码点转义，例如：\u{1D306}。此外，它将定义String.fromCodePoint和String#codePointAt，它们都接受代码点而不是字符单元感谢：Jonas'nlogax'Westerlund、Andrew'bobince'Clover和TabAtkinsJr..他们启发我进行调查并提供帮助我。提示：如果您喜欢阅读有关JavaScript的内部字符编码的文章，可以查看JavaScripthasaUnicodeproblem，它更详细地解释了实际问题，并提供了解决方法。
