认识
统一码，Unicode，万国码，单一码，是计算机科学领域里的业界标准，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。简单来说，Unicode 就是个巨大的“字符字典”，它为每个现实世界中的字符分配一个唯一的编号（称为“码点”），无论这个字符来自哪种语言、什么平台、什么程序，以方便计算机程序的处理。
组成
我们可以将 Unicode 理解为一个由三部分构成的完整体系：
- 字典（字符集）：一个包含了全球几乎所有字符及其唯一ID（码点）的巨大列表。
- 编码（打包方式）：规定了如何将这些ID（码点）转换成二进制数据（字节）以便计算机存储和传输，其中 UTF-8 是最重要的方式。
- 使用说明书（标准附件）：提供了关于如何正确显示、处理、比较这些字符的详细规则和数据。】
字符集（核心内容）
这是 Unicode 最基础的部分，即它包含了哪些字符。这些字符来自：
- 现代语言文字：
- 拉丁字母（英文字母A-Z、带重音符号的字母等）
- 汉字（包括简体字、繁体字、日本汉字、韩国汉字等，统一编码，称为“中日韩统一表意文字”）
- 日文（平假名、片假名）
- 韩文（谚文音节）
- 阿拉伯字母
- 梵文字母（天城文等）
- 希腊字母
- 西里尔字母（俄语、保加利亚语等）
- …以及全球绝大多数正在使用的书写系统的字符。
- 历史文字和符号：
- 古埃及象形文字
- 楔形文字
- 甲骨文
- 哥特字母
- 等等。这些主要用于学术研究。
- 符号：
- 标点符号（各种语言的引号、破折号等）
- 数学符号（±, ÷, ∞, ∫, ∑ 等）
- 技术符号（计算机相关符号）
- 几何形状（▲, ◯, ◆ 等）
- 装饰符号（♥, ★, ☺ 等）
- 箭头（→, ←, ↑, ↓ 等）
- 货币符号（¥, £, €, ₿ 等）
- Emoji 表情符号（😀, 🍎, 🚗, 🏳️🌈 等）—— Emoji 也是 Unicode 字符集的一部分！
- 控制字符和格式字符：
- 用于控制文本流向的字符，如“从左至右标记”、“从右至左标记”。
- 零宽连接符、零宽非连接符等，用于复杂文本的渲染（如阿拉伯语连字）。
编码方案（如何存储和传输）
光有字符编号还不够，计算机需要知道如何将这些编号（码点）转换成字节序列进行存储和传输。Unicode 定义了以下几种主要的编码方案：
- UTF-8：目前最主流、最推荐的编码。
- 特点：可变长度（1到4个字节），完美兼容 ASCII（ASCII 字符在 UTF-8 中保持不变）。
- 优点：节省空间（尤其对于英文文本），无字节序问题，是网页（超过98%）、电子邮件、大多数现代操作系统的默认编码。
- UTF-16：
- 特点：使用2个或4个字节表示一个字符。
- 应用：曾是 Windows 操作系统、Java 和 JavaScript 早期版本的内部编码。
- UTF-32：
- 特点：使用固定的4个字节表示每一个字符。
- 优点：简单直观，每个字符长度相同。
- 缺点：非常浪费存储空间和带宽，实际应用较少。
- 其他：如 UCS-2（已过时，被 UTF-16 取代）。
标准附件和数据库（如何正确使用字符）
Unicode 不仅仅是一个字符列表，它还提供了一套庞大的数据库和规则，以确保字符能被正确地显示、处理、比较和排序。
- Unicode 字符数据库：一个包含所有字符属性的文本文件集合，例如：
- 字符的名称
- 字符的类别（是字母、数字、标点等）
- 字符的大小写映射（例如 ‘a’ 和 ‘A’）
- 字符的双向算法属性（用于混合从左至右和从右至左的文字，如阿拉伯语和英语混排）
- Unicode 排序算法：定义了如何根据不同语言和文化的规则对文本进行排序（称为“区域设置敏感排序”）。
- 双向算法：定义了如何显示混合了从左至右（如英文）和从右至左（如阿拉伯文、希伯来文）的文本。
- 文本分段规则：定义了如何确定词、句、行的边界，这对于换行、光标移动和文本选择至关重要。
性质
正是由于 Unicode 的存在，我们才能在一台设备上无障碍地浏览包含多种语言的网页、使用各种表情符号，并在全球范围内进行数字交流。它是实现全球化和信息无障碍共享的基石技术。
参考
百度百科 / 统一码 / https://baike.baidu.com/item/%E7%BB%9F%E4%B8%80%E7%A0%81/2985798
DeepSeek / Unicode 包含哪些内容