「这是我参与2022首次更文挑战的第7天，活动详情查看：2022首次更文挑战」。
过年放假这几天看了些关于前端加密解密的资料，里面有提到了 charCodeAt() 这个方法，说是可以获取字符串的 ASCII 字符码点。但是 MDN 文档对该方法的介绍的第一句话是：
返回 0 到 65535 之间的整数，表示给定索引处的 UTF-16 代码单元
那么问题就来了，charCodeAt() 到底返回的是啥？ASCII 和 UTF-16 之间又有啥联系？另外，在新建 html 页面时，在 <head> 标签里，一般代码编辑器都会默认帮我们写上这么一句 <meta charset="utf-8" />，用于规定 html 文档的字符编码。那么到底什么是字符编码？ utf-8 又是什么呢？下面，就带着这些问题，开始我们的研究之旅吧~
ASCII
我们编写的代码，其实就是一段文本，计算机在存储时，都需要经过某种方式转换成计算机能直接识别的诸如 010101 这样的二进制数字。最开始美国人发明计算机那会，他们会用到的文本，统共也就是 26 个英文字母（包括大小写就是 56 个）、0 到 9 这 10 个数字，以及常用的英文符号（包括空格）这 3 种可见字符，以及空字符、换行、回车等控制字符而已。
于是在 1963 年，美国国家标准学会（ANSI）就推出了 ASCII（美国信息交换标准代码）作为计算机及其它设备的文本字符编码标准。ASCII 将上面提到的所有可见字符及不可见字符一个个全部罗列进行编号，比如 0 代表“空字符”，48 代表数字“0”，65 代表大写英文字母“A”，97 代表小写英文字母“a”等，总共 128 个。0、48、65 这些编号，就叫做码点，或者叫码位。码点与码点代表的字符的集合，叫做字符集，这 128 个字符集合就是 ASCII 字符集。美国人直接将码点转换成二进制信息（ASCII 码）存储到计算机。这里有个问题。最大的码点为 127，那么转换成二进制就是 1111111，只有 7 bit，而计算机一般是以 8 bit（1 字节）为基本单位进行读写的，所以这些码点转成二进制后都会在前面加一位 0，也就是 127 会转为 01111111 存储。
注意，字符不一定会以对应的码点被存储在计算机里，从字符到计算机能够存储的内容之间的映射，才叫做编码。最简单的就是将字符对应的码点直接以二进制存储进计算机。
GB2312 与 GBK
由于 ASCII 码以 8 bit 表示 1 个字符，而 8 bit 最多能表示 256 个字符，给欧美用可能够了，但给我们中国用，连甲骨文都远远表示不全。那咋整呢？为了解决中文存储的问题，我们国家设计了一套以 16 bit 表示一个字符，采用分区管理的字符集 —— GB2312 字符集，转换成二进制也就是 GB2312 码。所谓分区管理，就是将一共 8836 个码位分配到 94 个区，每个区包含 94 个位。各个区的情况如下：
- 01-09 区：收录除汉字外的 682 个字符；
- 10-15 区：空白区，未有编码；
- 16-55 区：收录 3755 个一级汉字，也就是常见汉字，按拼音排序；
- 56-87 区：收录 3008 个二级汉字，基本就是些我们不太认得的字，按部首/笔画排序；
- 88-94 区：也是空白区，未有编码； 仔细看的话不难发现，GB2312 字符集只有 16-87 区收录的是汉字，加起来总共有 6763 个汉字，这对于博大精深历史悠久的汉字而言显然还是不够用的，于是就有了对 GB2312 进行扩展的 GBK，收录了简繁体字、日文和韩文等。
Unicode
美国有 ASCII 码，中国大陆有 GBK 码，各个国家都用自己设计的一套编码，计算机内存里同一个数字，在不同的字符集里，代表的字符各不相同，乱码问题就来了。于是 Unicode（统一码），也叫万国码、单一码就诞生了，它作为一种标准，包含了字符集及对应的编码规则。其目的可以引用在其官网首页上的这么一句话：
Everyone in the world should be able to use their own language on phones and computers.
即让世界上所有人都能在他们的手机或电脑上使用自己语言。这就需要将世界上所有的字符都集合在一起，然后给它们一个个编号（码点）。如今 unicode 连 emoji 都包括进去了。在 js 中，我们可以使用
codePointAt() 方法来查询 unicode 字符的码点。
UTF-32、UTF-8 和 UTF-16
一开始的时候，unicode 使用的是 UCS-2 字符集，采用 16bit（2 个字节） 编码系统，一共可以表示 65536 个字符。其将字符按顺序排列，依次标上对应的码点，然后与 ASCII 一样直接将码点转换成对应的二进制信息存储到计算机。后来，人们发现，65536 个字符不足以囊括世界上所有的字符，于是又有了 UCS-4 字符集，也就是 UTF-32。它用 32 bit，即 4 字节表示一个字符，位数不够就在前面补 0，总共可表示的字符近 43 亿个字符。但每个字符都需要用 4 字节，这在空间上效率就很低，比如 ASCII 编码的每个英文字母明明只需要 1 字节就能表示，意味着同样内容的英文文本，utf-32 需要的空间是 ASCII 的 4 倍 。为了解决 utf-32 空间效率上的问题，UTF-8 应运而生。UTF-8 是种针对 unicode 的可变长度编码规则。所谓的可变，指的是与 utf-32 编码后的长度固定为 32 bit 不同， utf-8 针对不同的字符，将 utf-32 字符集的码点划分成了如下 4 个区间，编码后的长度可以是 8 bit、16 bit、24 bit 或 32 bit：
说明：
- 诸如规定以 1110 开头，是为了让计算机知道怎么划分字符，1110 开头就表示自己和后面 2 个字节（以 10 开头）表示的是 1 个字符；
- x、y、z、a 表示的是 0 或 1，之所以用不同字母表示，是为了表达对应的二进制码点转到 utf-8 编码是如何拆分的。 utf-8 兼容了 ASCII，unicode 的前 128 个字符及码点与 ASCII 的一模一样，用 utf-8 编码后，也都是 1 字节，二进制信息一样。
我们再来说下何为 UTF-16。UTF 是英文 unicode transformation format 的首字母缩写，直译成中文就是 unicode 转换格式。可以这么理解，unicode 负责把字符一个个编好号，无论是 UCS-2 的 65536 个字符还是 UCS-4 中数量更多的字符，让每个字符都有自己对应的码点。而怎么把这些码点信息转换成 01 串存储进计算机，不同的方式，就有了 utf-8、utf-16 或是 utf-32。utf-16 就是将所有 unicode 字符对应的码点都用 16 bit（2 字节）来保存，因此，无法兼容 ASCII 编码。
最后，回到最初的问题，charCodeAt() 返回的是啥？相信读到现在已经不难回答了，对于 unicode 字符集开头的 128 个字符，返回的既可以说是 UTF-16 代码单元，也可以说是 ASCII 字符码点，因为它们是一样的。
