c++：如何在utf8中支持代理字符

我们有一个以utf-8基本编码编写的应用程序，它支持utf-8 BMP 3字节。但是，在需要支持代理项对的情况下，有一个需求

我在某个地方读到utf-8不支持代理字符。这是真的吗

如果是，有哪些步骤使我的应用程序具有默认的utf-16编码而不是utf-8编码

我没有代码片段，因为整个应用程序都是通过记住utf-8而不是代理字符编写的

为了获得utf-8中代理项对的支持，我需要在整个代码中更改哪些项。或者将默认编码更改为UTF-16

我们有一个以utf-8基本编码编写的应用程序，它支持utf-8 BMP 3字节。但是，在需要支持代理项对的情况下，有一个需求

因此，将utf-16编码字符串转换为utf-8。此处的文档：

如果是，有哪些步骤使我的应用程序具有默认的utf-16编码而不是utf-8编码

错误的问题。在内部使用UTF-8

为了获得utf-8中代理项对的支持，我需要在整个代码中更改哪些项。或者将默认编码更改为UTF-16

见上文。将入站数据的UTF-16转换为UTF-8，必要时将其转换回UTF-16出站

我们有一个以utf-8基本编码编写的应用程序，它支持utf-8 BMP 3字节

为什么不将整个Unicode指令集设置为4字节？为什么仅限于3个字节？3字节仅支持U+FFFF以下的代码点。4字节支持额外的1048576个代码点，一直到U+10FFFF

但是，在需要支持代理项对的情况下，有一个需求

代理项对仅适用于UTF-16，不适用于UTF-8，甚至不适用于UTF-16的前身UCS-2

我在某个地方读到utf-8不支持代理字符。这是真的吗

用于编码代理项的代码点可以用UTF-8进行物理编码，但是它们是Unicode标准保留的，在UTF-16编码之外使用是非法的。UTF-8不需要代理项对，任何包含代理项代码点的解码Unicode字符串都应被视为格式错误

如果是，有哪些步骤使我的应用程序具有默认的utf-16编码而不是utf-8编码

我们不能回答这个问题，因为您没有提供任何关于项目如何设置、使用什么编译器等的信息

但是，您不需要将应用程序切换到UTF-16。您只需更新代码以支持UTF-8的4字节编码，并确保在将16位数据转换为UTF-8时支持代理项对。不要将自己限制在U+FFFF作为可能的最高码点。Unicode的代码点比这多得多

---

听起来您的代码在将数据转换为UTF-8或从UTF-8转换数据时只处理UCS-2。只需更新该代码以支持UTF-16而不是UCS-2，就可以了。

代理项对是一种编码不在BMP上且太大而无法存储在UTF-16中的代码点的方法。UTF-8可以简单地存储这些代码点，我敢肯定，任何将UTF-16代理项对在UTF-8中双编码为两个代码点的工具都会将这种情况视为一个错误。@ChrisBecke:这是一个答案，不是注释。哦，除了它太大而无法存储在UTC-2中之外，UTF-16是在使用16位基本块和代理项对的情况下存储高达1000000以上的值的方法。请注意，UTF-16还需要使用代理项对。你需要使用UTF-32来避免它们。@MartinBonner:哦，除了它太大而无法存储在UCS-2中之外，对于在Windows上运行或用Java编写的新应用程序，我会在内部使用UTF-16，因为它是这些平台上的本机应用程序。对于*nix、MacOs和跨平台，我将使用UTF-8。我很确定Android必须在本地使用UTF-16，而iOS必须在内部使用UTF-8。除了跨平台应用之外，我总是使用原生Unicode格式。对于现有的应用程序，请坚持使用现有的应用程序；对于OP yes，请坚持使用UTF-8。但是，这可能不适用于任何前来阅读本QA的人。