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：
- 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。
- 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：
| Unicode 码点 | UTF-8 编码（二进制） | UTF-8 编码（十六进制） |
|---|---|---|
| U+0000 | 00000000 | 00 |
| U+0007 | 00000111 | 07 |
| U+0041 | 01000001 | 41 |
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：
| Unicode 码点 | UTF-16 编码（二进制） | UTF-16 编码（十六进制） |
|---|---|---|
| U+0000 | 0000000000000000 | 0000 |
| U+0007 | 0000000000000111 | 0007 |
| U+0041 | 0000000001000001 | 0041 |
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。
截屏2022-10-31 08.41.33
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。
 笑脸 |  白发男子 |  撅嘴的女人 |
|---|---|---|
| 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：
- 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。
- 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：
CodeBlock Loading...
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：
CodeBlock Loading...
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。