为什么从 Unicode 字符集中删除了 U+D800 到 U+DFFF 范围内的代码点？

Question

我正在学习 UTF-16 编码，我读过如果你想表示 U+10000 到 U+10FFFF 范围内的代码点，那么你必须使用 U+D800 范围内的代理对到 U+DFFF。

因此，假设我想对以下代码点进行编码：U+10123（二进制为 10000000100100011）：

首先我布置这个位序列：

110110xxxxxxxxxx 110111xxxxxxxxxx

然后我用代码点的二进制格式用 x 填充位置：

1101100001000000 1101110100100011 (D840 DD23 十六进制)

---

我也读过 U+D800 到 U+DFFF 范围内的代码点已从 Unicode 字符集中删除，但我不明白为什么删除了这个范围！

我的意思是这个范围可以很容易地用 4 个字节编码，例如以下是 U+D812 代码点的 UTF-16 编码格式（二进制为 1101100000010010）：

1101100000110110 1101110000010010（十六进制D836 DC12）

注意：我在示例中使用了 UTF-16 Big Endian。

Answer 1

代码点 U+D800 - U+DFFF 仅保留¹以用于 UTF-16。由于它们不在 U+10000 - U+10FFFF 的范围内，UTF-16 不会使用代理对单独对它们进行编码，因此这些单独的代码点在 UTF 中显示为未编码是不明确的（并且是非法的²） -16 序列。

根据Unicode.org UTF-16 常见问题解答：

¹ :问：什么是代理？

答：代理是来自两个特殊 Unicode 值范围的代码点，保留用作 UTF-16 中成对代码单元的前导和尾随值。前导（也称为高）代理是从 D800 ₁₆到 DBFF ₁₆，尾随或低代理是从 DC00 ₁₆到 DFFF ₁₆。它们被称为代理，因为它们不直接表示字符，而仅作为一对表示。

² : Q: 是否有任何无效的 16 位值？

答：未配对的代理在 UTF 中无效。这些包括 D800 ₁₆到 DBFF ₁₆范围内的任何值，后面没有 DC00 ₁₆到 DFFF ₁₆范围内的值，或 DC00 ₁₆到 DFFF ₁₆范围内的任何值前没有 D800 ₁₆到 DBFF ₁₆范围内的值.

Answer 2

我没有官方消息来源来支持这一点，但我相信这是为了防止混淆，这样您就无法获得可以解释为有效 UTF-16 和有效 UCS-2 的代码序列。与新增的 1048576 个代码点相比，丢失 2048 个代码点根本算不了什么。