字符集就是字符的集合，如常见的 ASCII字符集，GB2312字符集，Unicode字符集等。
字符编码则代表字符集的实际编码规则，是用于计算机解析字符的，如 GB2312，GBK，UTF-8 等。字符编码的本质就是如何使用二进制字节来表示字符的问题。
Unicode是国际组织制定的，用于收纳世界上所有文字和符号的字符集方案。
前128个字符同ASCII一样，进行扩充后，使用数字0-0x10FFFF来映射这些字符，最多可以有1114112个字符。目前仍然只使用了其中的一小部分。
Unicode一般使用两个字节来表示一个字符。
码点
Unicode 规定了每个字符的数字编号，这个编号被称为 码点(code point)。
码点以 U+hex 的形式表示，U+是代表Unicode的前缀，而 hex 是一个16进制数。取值范围是从 U+0000 到 U+10FFFF。
每个码点对应一个字符，绝大部分的常见字符在最前面的 65536 个字符，范围是 U+0000到U+FFFF。
字符平面
目前的Unicode分成了17个编组，也称平面，每个平面有65536个码点。
第一个平面是基本多语言平面，范围：U+0000 - U+FFFF，多数常见字符都在该区间。
其他平面则为辅助平面，范围：U+10000 到 U+10FFFF，如我们在网上常见 Emoji 表情。
码元
码元(Code Unit)可以理解为对码点进行编码时的最小基本单元，码元是一个整体。而字符编码的作用就是将Unicode码点转换成码元序列。
Unicode常用的编码方式有 UTF-8 、UTF-16 和 UTF-32，UTF是Unicode TransferFormat的缩写。
UTF-8是8位的单字节码元，UTF-16是16位的双字节码元，UTF-32是32位的四字节码元。
UTF-8是一种可变长度的字符编码方式。目前是使用 1 到 4 个字节来编码字符。
UTF-8的编码规则：
1个字节的字符，第一位为0，后7位为码点，与ASCII相同。
n个字节的字符，第一个字节前面 n 位都是1，n+1位是0，可据此判断有几个字节。后面的几个字节都是 10 为开头2位。
这里规定的都是前缀，对于字符的码点，需要进行截取后依次放入除前缀外的其他位，所以UTF-8又被称为前缀码。
下面我们以一个中文字符的编码转换为例，如汉字 '好'：
'好'的Unicode码点：'好'.codePointAt() \ 22909，结果是22909；
22909在UTF-8的3字节数的编码区间 U+0800 (2048) ~ U+FFFF (65535)；
22909的二进制值：101100101111101，有15位；
而3字节数的编码需要16位，前面补0，根据表中规则分成3组：0101 100101 111101；
依次填入对应的前缀：11100101 10100101 10111101，得到3个字节；
将得到的三个字节转成十六进制数据：E5 A5 BD，所以汉字 '好' 的UTF-8就是：E5 A5 BD。
UTF-16的编码方式：基本平面的字符占用 2 个字节（U+0000到U+FFFF），辅助平面的字符占用 4 个字节（U+010000到U+10FFFF）。
也就是说，UTF-16的编码长度要么是2个字节要么是4个字节。当为2字节时，则实际上与Unicode相同。
并且还有个原则，在Unicode基本多语言平面内，从U+D800到U+DFFF之间的码点区间是不对应字符的。而UTF-16需要利用这块码位来对辅助平面的字符进行编码。
码点小于U+FFFF，基本字符，不需处理，直接使用，占两个字节。
否则，拆分成两个码元，四个字节，cp表示码点：
1、低位——((cp - 65536) / 1024) + 0xD800，值范围是 0xD800~0xDBFF；
2、高位——((cp - 65536) % 1024) + 0xDC00，值范围是 0xDC00~0xDFFF。
汉字 '好'，'好'.codePointAt() // 22909，码点小于U+FFFF，直接进行十六进制转换：579D。
表情符号 '?'，'?'.codePointAt() // 128516，码点需要拆分：
1、低位：Math.floor(((128516 - 65536) / 1024)) + 0xD800 // 55357, 得到 D83D
2、高位：((128516 - 65536) % 1024) + 0xDC00 // 56836，得到 DE04
使用 String.fromCharCode 方法进行验证：String.fromCharCode(0xD83D, 0xDE04) // '?'
需要明确的一点，Javascript中的字符串是基于UTF-16编码的，大端序字节。
// UTF-8
'a': 97 - 0x61
'好': 22909 - (0xE5 0xA5 0xBD)
'?'： 128516 - (0xF0 0x9F 0x98 0x84)
// UTF-16
'a': 97 - 0x0061
'好': 22909 - 0x597d
'?'： 128516 - (0xD83D, 0xDE04)
前端在对Unicode编码处理时，提供了一些可以使用的API，在实际工作中，会方便我们处理这方面的问题。
1、charAt(index)
从一个字符串中返回指定的字符，对于多码元字符，仍会返回码元字符：
'a'.charAt() // 'a'
'?'.charAt() // '\uD83D'
'?'.charAt(1) // '\uDE04'
2、charCodeAt(index)
返回0到65535之间的整数码点值。对于多码元如果字符的码点大于U+FFFF，则返回第一个码元值，还可以加索引参数取后面码元的值。
3、codePointAt(pos)
返回Unicode码点，多码元也能返回完整的码点值。codePointAt可以传入索引参数，对多码元字符取第二个码元值。
// 小于 U+FFFF
'好'.codePointAt() // 22909
'好'.charCodeAt() // 22909
// 大于 U+FFFF
'?'.charCodeAt() // 55357
'?'.charCodeAt(1) // 56836
'?'.codePointAt() // 128516
'?'.codePointAt(1) // 56836
4、String.fromCharCode(num1[, ...[, numN]])
返回由指定的UTF-16码点序列创建的字符串。参数范围0到65535，大于65535的数据将被截断，结果不准确。
对于多码元字符，则会将两个码元组合得到该字符。
5、String.fromCodePoint(num1[, ...[, numN]])
返回使用指定的代码点序列创建的字符串。可以处理多码元字符的完整码点值。
String.fromCharCode(55357, 56836, 123) // '?{'
String.fromCodePoint(128516, 123, 8776) // '?{≈'
TextEncoder，使用 UTF-8 编码将代码点流转换成字节流。
TextDecoder：解码。
默认编码方式就是UTF-8，可以解决字符转UTF-8编码的问题。
const txtEn = new TextEncoder()
const enVal = txtEn.encode('好')
// Uint8Array(3) [229, 165, 189]
const txtDe = new TextDecoder()
txtDe.decode(enVal) // '好'
URL的UTF8编解码
encodeURI() 和 encodeURIComponent()
decodeURI() 和 decodeURIComponent()
encodeURI('好') // '%E5%A5%BD'
decodeURI('%E5%A5%BD') // '好'
encodeURIComponent('好') // '%E5%A5%BD'
decodeURIComponent('%E5%A5%BD') // '好'
encodeURI('hello') // 'hello'
encodeURIComponent('hello') // 'hello'
encodeURIComponent('?') // '%F0%9F%98%84'
encodeURI和encodeURIComponent的区别
这两者的不同之处，在于对部分URL元字符符号的处理上。URL元字符：分号（;），逗号（’,’），斜杠（/），问号（?），冒号（:），at（@），&，等号（=），加号（+），美元符号（$），井号（#）。
encodeURIComponent会对这些URL元字符进行编码，但是encodeURI则不会：
encodeURIComponent(';,/@&=') // '%3B%2C%2F%40%26%3D'
encodeURI(';,/@&=') // ';,/@&='