unicode，中文叫萬國碼，統一碼，是統一碼聯盟為了世界上大多數文字系統進行整理和編碼。 unicode2.0後基本和ISO 10646規範保持一致. 和unicode類似，iso組織也在做同樣的事情，iso開展了 ISO/IEC 10646專案，名字叫“ Universal Multiple-Octet Coded Character Set”，簡稱UCS。 後來，雙方意識到時間上不需要2套通用的字符集，所以雙方開始進行整合，到unicode2.0時，unicode的編碼和ucs的編碼都基本一致。unicode在編碼上和UCS保持一致，在實現上有自己的規則，而UCS只定義了編碼標準。unicode的實現形式上 有UTF-8,UTF-16,UTF-32,還有UTF-7等。UCS編碼也有自己的格式：UCS-2和UCS-4等等。可參考各自wiki:unicode 和ucs unicode的編碼可以和UCS-2和UCS-4保持一致。但是又略有不同。UTF-16是UCS-2的擴充套件，UTF-32是UCS-4的子集。也就是說，UTF-16的實現上對code point的支援範圍超過UCS-2，而UTF-32對code point的表示卻又在UCS-4的範圍之內。在編碼層面上，UCS-2就是用兩個位元組編碼，UCS-4就是用4個位元組（實際上只用了31位，最高位必須為0）編碼。 UCS-2有2^16=65536個碼位，UCS-4有2^31=2147483648個碼位。 UCS-4根據最高位為0的最高位元組分成2^7=128個group。每個group再根據次高位元組分為256個plane。每個plane根據第3個位元組分為256行 (rows)，每行包含256個cells。當然同一行的cells只是最後一個位元組不同，其餘都相同。 group 0的plane 0被稱作Basic Multilingual Plane, 即BMP。或者說UCS-4中，高兩個位元組為0的碼位被稱作BMP。 將UCS-4的BMP去掉前面的兩個零位元組就得到了UCS-2。在UCS-2的兩個位元組前加上兩個零位元組，就得到了UCS-4的BMP。而目前的UCS-4規範中還沒有任何字元被分配在BMP之外。Unicode最初支援16位的code point，後來發現不夠用，於是用UTF-16擴充套件UCS-2。在BMP區域內的一片連續空間(U+D800~U+DFFF)的碼位區段是永久保留不對映到字元，因此UTF-16利用保留下來的0xD800-0xDFFF區段的碼位來對輔助平面的字元的碼位進行編碼。具體演算法參考wiki：utf-16 .所以，utf-16能表示的範圍最大能到U+10FFFF，包含1個基本平面（BMP）和16個輔助平面。理論上UCS-4編碼範圍能達到U+7FFFFFFF，但是因為unicode和iso達成共識，只會用17個平面內的字元，所以UTF-32是UCS-4的子集。但是UTF-16是定長的編碼，和UCS-4無論實現和編碼都是基本一樣的。 當前，Unicode深入人心，且UTF-8大行其道，UCS編碼基本被等同於UTF-16，UTF-32了，所以目前UCS基本談出人們的視野中。（Windows NT用的就是UCS-2）
unicode，中文叫萬國碼，統一碼，是統一碼聯盟為了世界上大多數文字系統進行整理和編碼。 unicode2.0後基本和ISO 10646規範保持一致. 和unicode類似，iso組織也在做同樣的事情，iso開展了 ISO/IEC 10646專案，名字叫“ Universal Multiple-Octet Coded Character Set”，簡稱UCS。 後來，雙方意識到時間上不需要2套通用的字符集，所以雙方開始進行整合，到unicode2.0時，unicode的編碼和ucs的編碼都基本一致。unicode在編碼上和UCS保持一致，在實現上有自己的規則，而UCS只定義了編碼標準。unicode的實現形式上 有UTF-8,UTF-16,UTF-32,還有UTF-7等。UCS編碼也有自己的格式：UCS-2和UCS-4等等。可參考各自wiki:unicode 和ucs unicode的編碼可以和UCS-2和UCS-4保持一致。但是又略有不同。UTF-16是UCS-2的擴充套件，UTF-32是UCS-4的子集。也就是說，UTF-16的實現上對code point的支援範圍超過UCS-2，而UTF-32對code point的表示卻又在UCS-4的範圍之內。在編碼層面上，UCS-2就是用兩個位元組編碼，UCS-4就是用4個位元組（實際上只用了31位，最高位必須為0）編碼。 UCS-2有2^16=65536個碼位，UCS-4有2^31=2147483648個碼位。 UCS-4根據最高位為0的最高位元組分成2^7=128個group。每個group再根據次高位元組分為256個plane。每個plane根據第3個位元組分為256行 (rows)，每行包含256個cells。當然同一行的cells只是最後一個位元組不同，其餘都相同。 group 0的plane 0被稱作Basic Multilingual Plane, 即BMP。或者說UCS-4中，高兩個位元組為0的碼位被稱作BMP。 將UCS-4的BMP去掉前面的兩個零位元組就得到了UCS-2。在UCS-2的兩個位元組前加上兩個零位元組，就得到了UCS-4的BMP。而目前的UCS-4規範中還沒有任何字元被分配在BMP之外。Unicode最初支援16位的code point，後來發現不夠用，於是用UTF-16擴充套件UCS-2。在BMP區域內的一片連續空間(U+D800~U+DFFF)的碼位區段是永久保留不對映到字元，因此UTF-16利用保留下來的0xD800-0xDFFF區段的碼位來對輔助平面的字元的碼位進行編碼。具體演算法參考wiki：utf-16 .所以，utf-16能表示的範圍最大能到U+10FFFF，包含1個基本平面（BMP）和16個輔助平面。理論上UCS-4編碼範圍能達到U+7FFFFFFF，但是因為unicode和iso達成共識，只會用17個平面內的字元，所以UTF-32是UCS-4的子集。但是UTF-16是定長的編碼，和UCS-4無論實現和編碼都是基本一樣的。 當前，Unicode深入人心，且UTF-8大行其道，UCS編碼基本被等同於UTF-16，UTF-32了，所以目前UCS基本談出人們的視野中。（Windows NT用的就是UCS-2）