来源：酷勤网

一、Unicode是什么？
Unicode源于一个很简单的想法：将全世界所有的字符包含在一个集合里，计算机只要支持这一个字符集，就能显示所有的字符，再也不会有乱码了。

它从0开始，为每个符号指定一个编号，这叫做"码点"（code point）。比如，码点0的符号就是null（表示所有二进制位都是0）。

U+0000 = null

上式中，U+表示紧跟在后面的十六进制数是Unicode的码点。

目前，Unicode的最新版本是7.0版，一共收入了109449个符号，其中的中日韩文字为74500个。可以近似认为，全世界现有的符号当中，三分之二以上来自东亚文字。比如，中文"好"的码点是十六进制的597D。

U+597D = 好

这么多符号，Unicode不是一次性定义的，而是分区定义。每个区可以存放65536个（2^{16）字符，称为一个平面（plane）。目前，一共有17个（2}5）平面，也就是说，整个Unicode字符集的大小现在是2^21。
最前面的65536个字符位，称为基本平面（缩写BMP），它的码点范围是从0一直到216
-1，写成16进制就是从U+0000到U+FFFF。所有最常见的字符都放在这个平面，这是Unicode最先定义和公布的一个平面。
剩下的字符都放在辅助平面（缩写SMP），码点范围从U+010000一直到U+10FFFF。

U+0000 = 0x0000 0000 U+597D = 0x0000 597D

U+597D = 0x597D

如果是辅助平面字符，Unicode 3.0版给出了转码公式。

H = Math.floor((c-0x10000) / 0x400)+0xD800 L = (c - 0x10000) % 0x400 + 0xDC00

以字符

为例，它是一个辅助平面字符，码点为U+1D306，将其转为UTF-16的计算过程如下。

H = Math.floor((0x1D306-0x10000)/0x400)+0xD800 = 0xD834 L = (0x1D306-0x10000) % 0x400+0xDC00 = 0xDF06

所以，字符

while (++index < length) { // ... if (charCode >= 0xD800 && charCode <= 0xDBFF) { output.push(character + string.charAt(++index)); } else { output.push(character); } }

上面代码表示，遍历字符串的时候，必须对码点做一个判断，只要落在0xD800到0xDBFF的区间，就要连同后面2个字节一起读取。
类似的问题存在于所有的JavaScript字符操作函数。

String.prototype.replace()
String.prototype.substring()
String.prototype.slice()
...

上面的函数都只对2字节的码点有效。要正确处理4字节的码点，就必须逐一部署自己的版本，判断一下当前字符的码点范围。
九、ECMAScript 6

JavaScript的下一个版本ECMAScript 6（简称ES6），大幅增强了Unicode支持，基本上解决了这个问题。
（1）正确识别字符
ES6可以自动识别4字节的码点。因此，遍历字符串就简单多了。

for (let s of string ) { // ... }

但是，为了保持兼容，length属性还是原来的行为方式。为了得到字符串的正确长度，可以用下面的方式。

Array.from(string).length

（2）码点表示法
JavaScript允许直接用码点表示Unicode字符，写法是"斜杠+u+码点"。

'好' === 'u597D' // true

但是，这种表示法对4字节的码点无效。ES6修正了这个问题，只要将码点放在大括号内，就能正确识别。

（3）字符串处理函数
ES6新增了几个专门处理4字节码点的函数。

String.fromCodePoint()：从Unicode码点返回对应字符
String.prototype.codePointAt()：从字符返回对应的码点
String.prototype.at()：返回字符串给定位置的字符

（4）正则表达式
ES6提供了u修饰符，对正则表达式添加4字节码点的支持。

Unicode提供了两种表示方法。一种是带附加符号的单个字符，即一个码点表示一个字符，比如瑧𚄧g⹦𘯕+01D1；另一种是将附加符号单独作为一个码点，与主体字符复合显示，即两个码点表示一个字符，比如瑥ﯤ𛥥晦萏（U+004F） + 뇯𜈕+030C）。

// 方法一 'u01D1' // '瑧 // 方法二 'u004Fu030C' // '瑧

这两种表示方法，视觉和语义都完全一样，理应作为等同情况处理。但是，JavaScript无法辨别。

'u01D1'==='u004Fu030C' //false

ES6提供了normalize方法，允许"Unicode正规化"，即将两种方法转为同样的序列。

'u01D1'.normalize() === 'u004Fu030C'.normalize() // true

关于ES6的更多介绍，请看《ECMAScript 6入门》。