UCS-2如何显示在UTF-8中占用6个字节的unicode码点？

Question

我正在http://www.joelonsoftware.com/articles/Unicode.html上阅读有关Unicode的信息。乔尔说，UCS-2将所有Unicode字符编码为2个字节，而UTF-8最多可能需要6个字节才能对某些Unicode字符进行编码。您能举例说明一下，如何在UCS-2中编码6字节UTF-8编码的Unicode字符吗？

Answer 1

UCS-2是在Unicode的代码点少于65536个时创建的，因此它们最多可容纳2个字节。一旦Unicode增长到超过65536个代码点，UCS-2便过时了，并被UTF-16取代，后者通过代理对使用2个字节对​​所有UCS-2兼容的代码点进行编码，其余使用4个字节进行编码。

UTF-8最初是为了对最多6个字节（U + 7FFFFFFF最大）的代码点进行编码而编写的，但后来被限制为4个字节（U + 1FFFFF最大，但禁止U + 10FFFF以上的任何东西），因此它与UTF 100％兼容来回-16，并且不对UTF-16不支持的任何代码点进行编码。UTF-8和UTF-16都支持的最大代码点是U + 10FFFF。

因此，为回答您的问题，需要5字节或6字节UTF-8序列（U + 200000至U + 7FFFFFFF）的代码点不能用UCS-2甚至UTF-16编码。没有足够的位数来保存如此大的代码点值。