UTF-16

UTF-16 là tiêu chuẩn mã hóa ký tự cho Unicode. Nó mã hóa mỗi code point Unicode bằng một hoặc hai code unit. Mỗi code unit có giá trị 16 bit.

Các code point có giá trị nhỏ hơn 2¹⁶ được mã hóa thành một code unit đơn có giá trị số bằng giá trị của code point. Các code point này tạo thành Basic Multilingual Plane (BMP), và bao gồm hầu hết các ký tự phổ biến, bao gồm chữ La tinh, tiếng Hy Lạp, tiếng Cyrillic và nhiều ký tự Đông Á.

Ví dụ, ký tự La tinh "A" được gán code point U+0041 trong Unicode, và trong UTF-16 được biểu diễn thành code unit đơn 41.

Các code point có giá trị lớn hơn 2¹⁶ được mã hóa bằng cặp code unit, được gọi là cặp thay thế (surrogate pair). Các giá trị được dùng cho cặp thay thế không được dùng cho các code point Unicode, để tránh nhầm lẫn.

Ví dụ, ký tự biểu tượng cảm xúc "🦊" (Fox Face) được gán code point U+1F98A trong Unicode, và trong UTF-16 được biểu diễn thành cặp thay thế d83e dd8a.

UTF-16 trong JavaScript

Các chuỗi trong JavaScript được biểu diễn bằng UTF-16, và nhiều String API hoạt động trên code unit, không phải code point. Ví dụ, String.length trả về 2 cho một chuỗi chứa một ký tự Unicode đơn không nằm trong BMP:

const string = "🦊"; // U+1F98A
console.log(string.length); // 2

Phương thức String.charCodeAt() trả về code unit tại chỉ số đã cho, và phương thức String.codePointAt() trả về code point tại chỉ số đã cho:

const string = "🦊"; // U+1F98A

console.log(string.charCodeAt(0).toString(16)); // d83e
console.log(string.charCodeAt(1).toString(16)); // dd8a

console.log(string.codePointAt(0).toString(16)); // 1f98a

Xem ký tự UTF-16, code point Unicode và cụm grapheme để tìm hiểu thêm về làm việc với chuỗi UTF-16 trong JavaScript.