Unicode

阐述

Unicode 是一种字符编码与表示的标准，致力于统一世界各国的语言文字的字集。

Unicode 相比于以前的编码来说更重视对于字位而非字形的编码，这使它有了更强的通用性，但是也导致在汉字的处理中的一些问题。对每一个字位，Unicode 给它指定一个码点——即数字，而非字形，而将它的具体呈现方式交给字体。

码位的范围是 0 到 10FFFF，通常以 U+ 加上至少四位数来表示，即 U+0000 到 U+10FFFF。共有 $17\times 2^{16}$ 个码位。

• 平面 0：U+0000 至 U+FFFF，称为基本多语种平面
• 平面 1 ~ 16: 分别对应 U+10000 至 U+1FFFF 等，称为辅助平面
  • 平面 1: 多文种补充平面
  • 平面 2: 表意文字补充平面
  • 平面 3: 表意文字第三平面
  • 平面 14: 特别用途补充平面
  • 平面 15 & 16: 私人使用区

Unicode 的具体实现方式均为变长编码：

• UTF-8
• UTF-16
• GB 18030

实例

• UTF-16 所规定的替代对的范围是 U+D800 至 U+DFFF
• 非字符为 U+FDD0 - U+FDEF 以及所有以 FFFE 和 FFFF 结尾的码位
• 私用区为 U+E000 - U+F8FF 以及 U+F0000 - U+FFFFD 和 U+100000 - U+10FFFD（即 15、16 平面）

性质

相关内容

参考文献