摘要：下文件名長度限制出現(xiàn)場景在迭代中有一個需求是將文件名修改為所有班級的名稱集合，出現(xiàn)的班級過多導致的文件名過長在下無法創(chuàng)建文件和文件夾的情況解決方式經(jīng)過查證，中文件名最長為字符，文件路徑最大長度為字符。這是被編碼方案決定的，通過來指定。

出現(xiàn)場景：在迭代中有一個需求是將pdf文件名修改為所有班級的名稱集合，出現(xiàn)的班級過多導致的文件名過長在linux下無法創(chuàng)建文件和文件夾的情況
解決方式：經(jīng)過查證，linux中文件名最長為255字符，文件路徑最大長度為4096字符。所以需要對班級名稱進行截斷，并且不僅僅是根據(jù)字符串長度截斷，而是根據(jù)每一個字母或者漢字對應的字符來計算得到最后的文件名小于255個字符。

鑒于以上場景，于是進行稍微的深究，對字符編碼相關的知識進行了一個深一步的學習

字符

簡介：字符簡單的來說就是我們?nèi)粘Ｉ钪杏玫降囊恍┳址?，比如?shù)字、漢字、標點符號等。專業(yè)的介紹可以參考百度百科)

字節(jié)

簡介：計算機中的一個計量存儲容量的單位，常見的計算機中一個字節(jié)代表八位的二進制數(shù)

編碼

簡介：其實 編碼 就是將字符轉為二進制的規(guī)則，因為我們知道計算機是通過 高電平 和 低電平 來分別代表 1 和 0，想讓計算機讀懂我們的字符，就需要將 二進制數(shù) 和我們的字符建立一個映射關系，這個過程就叫編碼。其實每個人都可以定義自己的編碼規(guī)則，但是這樣就亂套了。所以一些組織就制定了統(tǒng)一的編碼規(guī)則。也就出現(xiàn)了我們常見的 ASCII 、unicode 等編碼規(guī)則

字符集

ASCII（字符集）：建立了128個字符對應的數(shù)字編號，僅支持英文字母、一些標點符號、以及一些不可顯示的字符。

unicode (萬國碼 字符集)：Unicode只是一個用來映射字符和數(shù)字的標準。它對支持字符的數(shù)量沒有限制，也不要求字符必須占兩個、三個或者其它任意數(shù)量的字節(jié)。Unicode并不涉及字符是怎么在字節(jié)中表示的，它僅僅指定了字符對應的數(shù)字。歸根結底，unicode就是把世界上所有的字符都和一個數(shù)字做對應，但是具體到這個數(shù)字在計算機中如何表示，他是不管的。

關于Unicode的其它誤解包括：Unicode支持的字符上限是65536個，Unicode字符必須占兩個字節(jié)，這些都不正確。
Unicode字符是怎樣被編碼成內(nèi)存中的字節(jié)這是另外的話題，它是被UTF(Unicode Transformation Formats)定義的。
unicode的問題：比如，漢字嚴的 Unicode 是十六進制數(shù)4E25，轉換成二進制數(shù)足足有15位（100111000100101），也就是說，這個符號的表示至少需要2個字節(jié)。表示其他更大的符號，可能需要3個字節(jié)或者4個字節(jié)，甚至更多。
這里就有兩個嚴重的問題，第一個問題是，如何才能區(qū)別 Unicode 和 ASCII ？計算機怎么知道三個字節(jié)表示一個符號，而不是分別表示三個符號呢？第二個問題是，我們已經(jīng)知道，英文字母只用一個字節(jié)表示就夠了，如果 Unicode 統(tǒng)一規(guī)定，每個符號用三個或四個字節(jié)表示，那么每個英文字母前都必然有二到三個字節(jié)是0，這對于存儲來說是極大的浪費，文本文件的大小會因此大出二三倍，這是無法接受的。于是出現(xiàn)了對unicode字符集的不同的編碼方式

常見的編碼規(guī)則

ASCII碼的編碼規(guī)則：每個二進制位（bit）有 0 1 兩個狀態(tài)，因此八個二進制位就能夠組成 256 種不同的狀態(tài)，也就是 00000000 - 11111111，由于ASCII字符集定義了128個字符，八個二進制位能夠表達 256 個狀態(tài)，所以肯定是夠用了，所以在 ASCII 碼中一個字符只占一個字節(jié)（一個字節(jié) === 8 bit）

UTF-8：是一種unicode的編碼方案，在UTF-8中，0-127號的字符用1個字節(jié)來表示，使用和US-ASCII相同的編碼。這意味著1980年代寫的文檔用UTF-8打開一點問題都沒有。只有128號及以上的字符才用2個，3個或者4個字節(jié)來表示。因此，UTF-8被稱作可變長度編碼，它可以使用1~4個字節(jié)表示一個符號，根據(jù)不同的符號而變化字節(jié)長度。

UTF-16：另一個流行的可變長度編碼方案是UTF-16，它使用2個或者4個字節(jié)來存儲字符。

javascript中的字符編碼

js中用的編碼方式不是UTF-8、UTF-16。而是 UCS-2，具體原因是因為javascript誕生的時候，還沒有UTF-16，但是好在UCS的碼點和unicode一致，所以他們是互相兼容的。兩者的關系簡單說，就是UTF-16取代了UCS-2，或者說UCS-2整合進了UTF-16。所以，現(xiàn)在只有UTF-16，沒有UCS-2。

總結：

Unicode是一個簡單的標準，用來把字符映射到數(shù)字上。Unicode協(xié)會的人會幫你處理所有幕后的問題，包括為新字符指定編碼。

Unicode并不告訴你字符是怎么編碼成字節(jié)的。這是被編碼方案決定的，通過UTF來指定。

這個世界上從來沒有純文本這回事，如果你想讀出一個字符串，你必須知道它的編碼

字符集和編碼是不同的，字符集是指定的數(shù)字和字符的映射，而編碼則是將指定的字符對應的數(shù)字存儲在計算機中的過程。

編碼是很復雜的過程，其中涉及到的磚碼，基本平面，輔助平面等概念在本文中都沒有提到，具體的實現(xiàn)過程可以參考下面的阮一峰相關的資料。

參考資料：

字符編碼筆記：ASCII，Unicode 和 UTF-8 阮一峰

學點編碼知識又不會死：Unicode的流言終結者和編碼大揭秘

javascript基礎之字符集與編碼

Unicode與JavaScript詳解 阮一峰