Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。
编码范围：0x0000-0x10FFFF。
此范围被分成了17个平面，其中，平面0（0x0000-0xffff）是基本多文种平面，包含了英文字母，阿拉伯数字，以及时间常用的各国语言。平面1（0x10000-0x1ffff）是多文种补充平面，包含了各国语言的补充以及emoji等。平面2（0x20000-0x2ffff）表意文字补充平面，此整个平面专为CJK即中日韩汉字编码设计。平面14（0xe0000-0xeffff）特别用途补充平面，此平面目前编码很少。平面15和平面16（0xf0000-10ffff）私人使用区，即自定义编码平面。其它平面基本上未编码。这个平面划分在维基百科上一目了然，下面附有链接地址。
平面0的专用区和代理区是未编码的具体如下：
专用区：0xE000-0xF8FF，6400个码位
专用区是留给自定义编码用的。
代理区：0xD800-0xDFFF，2048个码位
代理区是为utf-16编码方案用的，下面会具体讲到。
emoji:1F600-1F64F,2600-26FF,...
汉字:4e00-9FFF，扩展区A:3400-4DBF，扩展区B-F:20000-2EBEF
例如：汉字‘润'-0x6da6,emoji‘’-0x1f606
UTF:Unicode Transformation Format，即Unicode字符集转换格式。Unicode有3种实现方式即：utf-8、 utf-16、utf-32
以8比特位为一个单位，一个字符的表示最少一个单位即一个字节，最大4个单位即4个字节。具体用几个单位需要看字符在unicode字符集里的码位，具体参考下表。
| Unicode编码(十六进制) | UTF-8 字节流(二进制) |
|---|---|
| 000000-00007F | 0xxxxxxx |
| 000080-0007FF | 110xxxxx 10xxxxxx |
| 000800-00FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| 010000-10FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
以16比特位为一个单位，一个字符的表示要么用一个单位即2个字节，要么用2个单位即4个字节。Unicode编码小于0x10000就用一个单位表示，0x10000-0x10ffff就用2个单位表示。
a.U<0x10000,utf-16就对应编码本身的无符号整数
b. U>=0x10000,
7字口诀就是：一减，二转，三模板。
1).减：U'=U-0x10000
例:0x1f606-0x1000
2).转：把U'转换为20位二进制，yyyy yyyy yyxx xxxx xxxx
3).模板：1101 10yy yyyy yyyy 1101 11xx xxxx xxxx
可以算一下，1101 10yy yyyy yyyy的取值范围1101 1000 0000 0000 - 1101 1011 1111 1111即D800-DBFF, 1101 11xx xxxx xxxx的取值范围1101 1100 0000 0000 - 1101 1111 1111 1111
即DC00-DFFF。所以，D800-DFFF即是unicode专为utf-16设计的代理区，其中，D800-DBFF是高代理区，DC00-DFFF是低代理区。代理区共2048个码位，unicode设计为保留区，没有具体编码，只为代理用。
我们在上面了解到平面15和平面16（0xf0000-0x10ffff）是私人使用区，我们把这个区间的编码使用上面公式可以算出，0xf0000-0x10000=e0000即11100000000000000000，放入模板，1101 1011 1000 0000(DB80) 1101 1100 0000 0000(DC00)，0x10ffff-0x10000=0xfffff,即11111111111111111111，放入模板,1101 1011 1111 1111(DBFF) 1101 1111 1111 1111(DFFF)。因为平面15和16专用区utf-16的高位代理实现范围是:DB80-DBFF，所以DB80-DBFF（D800-DBFF高位代理区的子区间）又称为高位专用代理区。
相反，utf-16编码求unicode
a.判断：非代理区，此字符对应U<0x10000
b.代理区
1).模板:1101 10yy yyyy yy yy 1101 11xx xxxx xxxx
2).转:把yyyy yyyy yyxx xxxx xxxx转换为十六进制U'
3).加:U=U'+0x10000
新建一个文本文件，随便输入1000个常见（4e00-9FFF）汉字，发现有3KB的大小。因为windows记事本默认用utf-8编码，而一个汉字用utf-8表示需要用3个字节，所以1000字就大约是3KB。我们文本另存为utf-16格式，发现大小变为了2KB。这因为utf-16表示汉字只需要2个字节，1000个汉字大约2KB。如果把1000汉字换成1000个英文字母或阿拉伯数字，结果你会发现，用utf-8格式只有1KB，而utf-16仍然是2KB。这是因为，对于1个英文字母或1个阿拉伯数字utf-8用一个单位即1个字节就可以表示了，而utf-16也至少要用一个单位就是2个字节。这个对比可以帮助我们直观的理解记忆utf-8和utf-16的区别。
也正因为全世界大部分常用字符码位还是在0x100-0xffff这个范围，所以最佳方案还是utf-16。Java char的设计就是一个很好的说明。java char 2个字节，默认编码方式utf-16。当然如果是纯英文和阿拉伯数字的程序选用utf-8编码也是可以理解的。
BE(Big Endian)大字节字节序、LE(Little Endian)小字节字节序
注意：字节的顺序，非比特位的顺序;单位内字节顺序，非全部字节顺序。仔细观察对比0x6da6和0x1f606这两个字符的utf-16和utf-32实现，下表例子，你会明白这句话意思。
| Unicode编码 | UTF-16LE | UTF-16BE | UTF32-LE | UTF32-BE |
|---|---|---|---|---|
| 0x6da6 | a6 6d | 6d a6 | a6 6d 00 00 | 00 00 6d a6 |
| 0x1f606 | 3D D8 06 DE | D8 3D DE 06 | 06 f6 01 00 | 00 01 f6 06 |
utf-8一个单位一个字节，所以没有大小字节序的区分。
| UTF编码 | Byte Order Mark (BOM) |
|---|---|
| UTF-8 without BOM | 无 |
| UTF-8 with BOM | EF BB BF |
| UTF-16LE | FF FE |
| UTF-16BE | FE FF |
| UTF-32LE | FF FE 00 00 |
| UTF-32BE | 00 00 FE FF |
注:FEFF-ZWNBSP：Zero-Width No-Break Space零宽不断行空白
微软在自己的UTF-8格式的文本文件之前加上了EF BB BF三个字节,
windows上面的notepad等程序就是根据这三个字节来确定一个文本文件是ASCII的还是UTF-8的,
然而这个只是微软暗自作的标记, 其它平台上不一定会对UTF-8文本文件做这样的标记。
微软的一些软件会做这种检测，但有些软件不做这种检测， 而把它当作正常字符处理。(传说中的乱码问题)
只要输入的内容包含空格、花椒表情、emoji表情或超过10个字符就不关联，否则字符个数变动就关联。
需求分解：输入的内容是否包含emoji
public static boolean containsEmoji(String str) {
int len = str.length();
for (int i = 0; i < len; i++) {
int codePoint = Character.codePointAt(str, i);
if (isEmojiCharacterByWiki(codePoint)) {
return true;
}
}
return false;
}
/**
* 是否是emoji编码
* //Superscripts and Subscripts( 2070 - 209F )上标及下标
* //Currency Symbols( 20A0 - 20CF )外汇符号
* //Combining Diacritical Marks for Symbols( 20D0 - 20FF )
* //Letterlike Symbols( 2100 - 214F )字母式符号 ℃ 、™
* //Number Forms( 2150 - 218F )数字形式 ⅓ Ⅷ
* //Arrows( 2190 - 21FF )箭头 →
* //Mathematical Operators( 2200 - 22FF )数学操作符
* //Miscellaneous Technical( 2300 - 23FF )零杂技术用符号
* //Control Pictures( 2400 - 243F )控制图片
* //Optical Character Recognition( 2440 - 245F )光学字符辨识
* //Enclosed Alphanumerics( 2460 - 24FF )封闭式字母数字
* //Box Drawing( 2500 - 257F )
* //Box Elements( 2580 - 259F )
* //Geometric Shapes( 21A0 - 21FF )几何图形
* //Miscellaneous Symbols( 2600 - 26FF )杂项符号
* //Dingbats ( 2700 - 27BF )装饰标志
* //Miscellaneous Mathematical Symbols-A ( 27C0 - 27EF )杂项数学符号
* //Supplemental Arrows-A ( 27F0 - 27FF )追加箭头
* //Braille Patterns ( 2800 - 28FF )盲文点字模型
* //Supplemental Arrows-B ( 2900 - 297F )追加箭头
* //Miscellaneous Mathematical Symbols-B( 2980 - 29FF )杂项数学符号
* //Supplemental Mathematical Operators( 2A00 - 2AFF )追加数学操作符
* //Miscellaneous Symbols and Arrows( 2B00 - 2BFF )杂项符号和箭头
*
* //CJK Symbols and Punctuation( 3000 - 30FF )CJK符号和标点
*
* //Enclosed CJK Letters and Months( 3000 - 30FF )CJK封闭式字符和月份
*
* // Mahjong Tiles( 1F000 - 1F02F )麻将牌
* // Domino Tiles( 1F030 - 1F09F )多米诺骨牌
* // Playing Cards( 1F0A0 - 1F0FF )扑克牌
* //Enclosed Alphanumeric Supplement( 1F100 - 1F1FF )封闭式字母数字补充
* //Enclosed Ideographic Supplement ( 1F200 - 1F2FF )封闭式表意文字补充
* //Miscellaneous Symbols and Pictographs ( 1F300 - 1F5FF )其他符号和象形文字
* //Emoticons ( 1F600 - 1F64F )
* //Ornamental Dingbats ( 1F650 - 1F67F )
* //Transport and map symbols ( 1F680 - 1F6FF )
* //Alchemical Symbols ( 1F700 - 1F77F )炼金术的符号
* //Geometric Shapes Extended ( 1F780 - 1F7FF )几何图形扩展
* //Supplemental Arrows-C ( 1F800 - 1F8FF )追加箭头-C
* //Supplemental Symbols and Pictographs ( 1F900 - 1F9FF )补充符号和象形文字
* //Chess Symbols ( 1FA00 - 1FA6F )国际象棋的符号
* https://en.wikibooks.org/wiki/Unicode/Character_reference
*
* @param codePoint
* @return
*/
private static boolean isEmojiCharacterByWiki(int codePoint) {
return ((codePoint >= 0X2070) && (codePoint <= 0X2BFF)) ||
((codePoint >= 0X3000) && (codePoint <= 0X30FF)) ||
((codePoint >= 0X3200) && (codePoint <= 0X32FF)) ||
((codePoint >= 0x1F000) && (codePoint <= 0x1FA6F));
}
参考：
1.When the specification for the Java language was created, the Unicode standard was accepted and the char primitive was defined as a 16-bit data type, with characters in the hexadecimal range from 0x0000 to 0xFFFF.
Java语言标准创建的时候，就采纳了Unicode标准，char原始类型被定义为16-bit数据类型，能存储的字符范围用16进制表示是从0x0000到0xffff。
https://docs.oracle.com/javase/tutorial/i18n/text/unicode.html
2.The native character encoding of the Java programming language is UTF-16.
https://docs.oracle.com/javase/8/docs/api/java/nio/charset/Charset.html
3.维基百科对unicode编码的编排
https://zh.wikibooks.org/wiki/Unicode/%E5%AD%97%E7%AC%A6%E5%8F%82%E8%80%83/1F000-1FFFF
4.emoji编码分类
https://apps.timwhitlock.info/emoji/tables/unicode
京东创始人刘强东和其妻子章泽天最近成为了互联网舆论关注的焦点。有关他们“移民美国”和在美国购买豪宅的传言在互联网上广泛传播。然而，京东官方通过微博发言人发布的消息澄清了这些传言，称这些言论纯属虚假信息和蓄意捏造。
日前，据博主“@超能数码君老周”爆料，国内三大运营商中国移动、中国电信和中国联通预计将集体采购百万台规模的华为Mate60系列手机。
据报道，荷兰半导体设备公司ASML正看到美国对华遏制政策的负面影响。阿斯麦（ASML）CEO彼得·温宁克在一档电视节目中分享了他对中国大陆问题以及该公司面临的出口管制和保护主义的看法。彼得曾在多个场合表达了他对出口管制以及中荷经济关系的担忧。
今年早些时候，抖音悄然上线了一款名为“青桃”的 App，Slogan 为“看见你的热爱”，根据应用介绍可知，“青桃”是一个属于年轻人的兴趣知识视频平台，由抖音官方出品的中长视频关联版本，整体风格有些类似B站。
日前，威马汽车首席数据官梅松林转发了一份“世界各国地区拥车率排行榜”，同时，他发文表示：中国汽车普及率低于非洲国家尼日利亚，每百户家庭仅17户有车。意大利世界排名第一，每十户中九户有车。
近日，一项新的研究发现，维生素 C 和 E 等抗氧化剂会激活一种机制，刺激癌症肿瘤中新血管的生长，帮助它们生长和扩散。
据媒体援引消息人士报道，苹果公司正在测试使用3D打印技术来生产其智能手表的钢质底盘。消息传出后，3D系统一度大涨超10%，不过截至周三收盘，该股涨幅回落至2%以内。
9月2日，坐拥千万粉丝的网红主播“秀才”账号被封禁，在社交媒体平台上引发热议。平台相关负责人表示，“秀才”账号违反平台相关规定，已封禁。据知情人士透露，秀才近期被举报存在违法行为，这可能是他被封禁的部分原因。据悉，“秀才”年龄39岁，是安徽省亳州市蒙城县人，抖音网红，粉丝数量超1200万。他曾被称为“中老年...
9月3日消息，亚马逊的一些股东，包括持有该公司股票的一家养老基金，日前对亚马逊、其创始人贝索斯和其董事会提起诉讼，指控他们在为 Project Kuiper 卫星星座项目购买发射服务时“违反了信义义务”。
据消息，为推广自家应用，苹果现推出了一个名为“Apps by Apple”的网站，展示了苹果为旗下产品（如 iPhone、iPad、Apple Watch、Mac 和 Apple TV）开发的各种应用程序。
特斯拉本周在美国大幅下调Model S和X售价，引发了该公司一些最坚定支持者的不满。知名特斯拉多头、未来基金（Future Fund）管理合伙人加里·布莱克发帖称，降价是一种“短期麻醉剂”，会让潜在客户等待进一步降价。
据外媒9月2日报道，荷兰半导体设备制造商阿斯麦称，尽管荷兰政府颁布的半导体设备出口管制新规9月正式生效，但该公司已获得在2023年底以前向中国运送受限制芯片制造机器的许可。
近日，根据美国证券交易委员会的文件显示，苹果卫星服务提供商 Globalstar 近期向马斯克旗下的 SpaceX 支付 6400 万美元（约 4.65 亿元人民币）。用于在 2023-2025 年期间，发射卫星，进一步扩展苹果 iPhone 系列的 SOS 卫星服务。
据报道，马斯克旗下社交平台𝕏（推特）日前调整了隐私政策，允许 𝕏 使用用户发布的信息来训练其人工智能（AI）模型。新的隐私政策将于 9 月 29 日生效。新政策规定，𝕏可能会使用所收集到的平台信息和公开可用的信息，来帮助训练 𝕏 的机器学习或人工智能模型。
9月2日，荣耀CEO赵明在采访中谈及华为手机回归时表示，替老同事们高兴，觉得手机行业，由于华为的回归，让竞争充满了更多的可能性和更多的魅力，对行业来说也是件好事。
《自然》30日发表的一篇论文报道了一个名为Swift的人工智能（AI）系统，该系统驾驶无人机的能力可在真实世界中一对一冠军赛里战胜人类对手。
近日，非营利组织纽约真菌学会（NYMS）发出警告，表示亚马逊为代表的电商平台上，充斥着各种AI生成的蘑菇觅食科普书籍，其中存在诸多错误。
社交媒体平台𝕏（原推特）新隐私政策提到：“在您同意的情况下，我们可能出于安全、安保和身份识别目的收集和使用您的生物识别信息。”
2023年德国柏林消费电子展上，各大企业都带来了最新的理念和产品，而高端化、本土化的中国产品正在不断吸引欧洲等国际市场的目光。
罗永浩日前在直播中吐槽苹果即将推出的 iPhone 新品，具体内容为：“以我对我‘子公司’的了解，我认为 iPhone 15 跟 iPhone 14 不会有什么区别的，除了序（列）号变了，这个‘不要脸’的东西，这个‘臭厨子’。
