要知道 Emoji 中的编码，我们就得先知道「Unicode」这个玩意，在官方网站中有这么一句话：「Unicode 为所有的字符都提供了一个独一无二的数字，不论在哪个平台，不论在什么项目，不论是怎么语言。」

Unicode provides a unique number for every character, no matter what the platform, no matter what the program, no matter what the language. -- Unicode Information

什么是 Unicode？

最简单的来说，他就是使用英文+数字+"+"来表示我们日常的字符的，譬如说这个文章我们就可以使用 Unicode 全部写出来，当然就不是给人看的了，为什么？

Unicode 标准定义了一个 code space，一组从 0 到 10FFFF^{[^1]} 范围的数值被称为「代码点」, 并且会表示为 U+0000 到 U+10FFFF

「U+」后面跟的十六进制的代码点值，前面有前导零^{[^2]}，代码点值至少四位数

比如说 U+00F7 表示 ÷ ，代码点 U+0041 是十六进制数 0041（等于十进制数 65）代表 Unicode 标准中的字符“A”，而 U+13254 （不是 U+013254，没有前导零）表示的是某一个埃及象形文字

但是在众多代码点中，从 U+D800 到 U+DFFF 的代码点，是不允许编码有效字符的，它将被 Unicode 保留。

U+D800–U+DBFF（1024 个代码点）范围内的代码点称为高代理代码点，而 U+DC00–U+DFFF（1024 个代码点）范围内的代码点称为低代理代码点码点。1高1低在 UTF-16 中形成一个代理对，以此来表示大于 U+FFFF 的代码点。

在排除代理项和非字符后，有 1,111,998 个代码点可以使用。

UTF-X 都是些什么？

UTF-8 是一种变长的 Unicode 编码方式，它可以使用 1 到 4 个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8 的编码规则很简单，只有二条：

1. 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。
2. 对于 n 字节的符号（n > 1），第一个字节的前 n 位都设为1，第 n + 1 位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

UTF-8 编码的一个例子：

UTF-16 是一种 Unicode 的编码方式，它使用 2 或 4 个字节来表示一个符号（字符）。UTF-16实现方案则介于UTF-8和UTF-32之间。对最常用的基本平面中字符的存储空间进行了压缩，使得汉字只需要两个字节就可以存储。

但是UTF-16又是怎么解决字符存储的时不同字符的边界问题的？这就需要用到代理对的概念了。

前面提到代理对的概念。UTF-16 将代理对的第一个代码点的值减去 0xD800，将第二个代码点的值减去 0xDC00，然后将两个结果合并，得到一个 20 位的二进制数，加上 0x10000，就得到了原来的代码点的值。

UTF-16 编码的一个例子：

这样，UTF-16 就可以使用 2 个字节来表示 U+0000 到 U+FFFF 之间的字符，而对于 U+10000 到 U+10FFFF 之间的字符，就需要使用 4 个字节来表示了。这样就可以保证所有的字符都可以被编码，而且编码后的字节长度也是固定的。

当然，除 Unicode 以外，还有很多不同的编码标准（如 GBK 等）但本文不详细说他们了。

讲讲 Emoji 的编码

Emoji 我们日常都会使用，比如 😊 它们都是 Unicode UTF-16 编码的，在 UTF-8 编码中，它们会被编码成 8 个字节，这样的编码方式就会导致 Emoji 的存储空间变大。

从U+1F300开始，存放的这些小表情就是emoji表情。

但需要注意的是，Unicode 本身是不支持 Emoji 的，Emoji 是由 Unicode 和 Emoji 两部分组成的，Unicode 只是规定了 Emoji 的编码，而 Emoji 是由 Apple、Google 等公司自己定义的。

如果用户的系统没有实现某个emoji表情的渲染，就会显示成一个空方框。

一个码位	三个码位	四个码位

我们看到，一个 emoji 表情是变长存储的，而且一个表情可占用多个码位组成。那么这些表情的渲染又有什么规则呢？

在 Unicode 官方文档中，有提到相关的内容 我简单给大家总结一下：

1. 一个 emoji 表情的渲染是由多个码位组成的，这些码位的值是连续的，且值的范围是在 U+1F300 到 U+1F5FF 之间的。
2. emoji 标签由两部分组成，第一部分是 emoji 的类型，第二部分是 emoji 的子类型，比如 😊 的 emoji 标签是 Smileys & Emotion，Face Smiling。 emoji 标签的具体内容可以参考这里。

有一个很有趣的现象，就是 emoji 表情的渲染是由多个码位组成的，但是这些码位的值是连续的，且值的范围是在 U+1F300 到 U+1F5FF 之间的。这样的设计，就导致了 emoji 表情的渲染是有规律的，比如我们可以通过下面的代码来生成 emoji 表情：

function generateEmoji() {
  const start = 0x1f300;
  const end = 0x1f5ff;
  const code = Math.floor(Math.random() * (end - start + 1)) + start;
  return String.fromCodePoint(code);
}

甚至，你可以用 js 的 replace 方法来替换 emoji 表情，假设我们要替换一下 👨‍👩‍👧‍👧 中的孩子，要把它变 👨‍👩‍👧‍👧 ，我们可以这样做：

'👨‍👩‍👧‍👧'.replace('👦', '👧'); // 👨‍👩‍👧‍👧

可以看到，这个白发男人，是由三个码位组成: U+1F468 U+200D U+1F9B3，而这个白发男人的 emoji 标签是 People & Body，Person。这表明，U+1F468 表示的是人，U+200D 表示的是连接符，U+1F9B3 表示的是白发男人。