din*_*wat 5 unicode range codepoint character-encoding
为什么最大Unicode代码点限制为0x10FFFF？是否可以通过UTF-16，UTF-8等任何编码方案在此代码点上方表示Unicode（例如0x10FFFF + 0x000001 = 0x110000）？
这是因为UTF-16。字符的BMP的外使用的是表示代理对在UTF-16与第一码单元谎言之间0xD800-0xDBFF之间的第二个0xDC00-0xDFFF。每个CU代表代码点的10位，从而允许总共20位的数据（0x100000字符）被划分为16个平面（16×2 16个字符）。剩余的BMP将代表0x10000个字符（代码点0–0xFFFF）
因此，字符总数为0x100000 + 0x10000 = 0x110000，这允许从0到0x110000-1 = 0x10FFFF的代码点。或者，可以这样计算最后一个可表示的代码点：BMP中的代码点的范围为0-0xFFFF，因此使用代理对编码的字符的偏移量为0xFFFF +1 = 0x10000，这表示最后一个代码点为代理对表示为0xFFFFF + 0x10000 = 0x10FFFF
这是通过保证Unicode字符编码稳定的政策上面，一个代码点会不会被分配
General_Category属性值Surrogate（Cs）是不可变的：具有该值的代码点集永远不会改变。
从历史上看，UTF-8 最多允许使用6个字节的U + 7FFFFFFF，而UTF-32可以存储两倍的数字。但是，由于UTF-16中的限制，Unicode委员会已决定UTF-8的长度不得超过4个字节，从而导致与UTF-16的范围相同
2003年11月，RFC 3629对UTF-8进行了限制，以匹配UTF-16字符编码的约束条件：明确禁止与高和低代理字符相对应的代码点删除超过3％的三字节序列，并以在U + 10FFFF处，删除了48％以上的四字节序列以及所有五字节和六字节序列。
同样适用于UTF-32
2003年11月，RFC 3629对Unicode进行了限制，以匹配UTF-16编码的约束：明确禁止大于U + 10FFFF的代码点（以及通过U + DFFF的高低代换U + D800）。这个有限的子集定义了UTF-32
您可以阅读此更详细的答案，
| 归档时间： |
|
| 查看次数： |
743 次 |
| 最近记录： |