在Julia lang中是否可以将字符串与大字符（UTF32String）连接起来？

构造UTF32字符串（b，c），其中b包含大值：

using LegacyStrings
a=Char(69058047)
b=UTF32String(a)
c=UTF32String("")

现在将b和c连接成d：

d=b*c

分别读b、c、d。b保留了它的值，但d被强制转换到2^16以下，键入UTF8String，其值丢失了吗

julia> typeof(d)
UTF8String

julia> typeof(b)
UTF32String

julia> typeof(c)
UTF32String

julia> D=Int(Char(d[1]))
65533

julia> B=Int(Char(b[1]))
69058047

---

在Julia 0.4和0.6上执行此操作会产生相同的结果。有没有可能找到一种方法来处理大字符字符串？

鉴于0.7中字符表示法发生了变化，问题的答案取决于您使用的Julia版本

朱莉娅0.7 如果您想使用Julia 0.7（从长远来看，这可能是您应该瞄准的目标，您必须切换到它），您将获得：

julia> a=Char(69058047)
ERROR: Base.CodePointError(0x041dbdff)
Stacktrace:
 [1] code_point_err(::UInt32) at .\char.jl:10
 [2] Type at .\char.jl:42 [inlined]
 [3] Char(::Int64) at .\boot.jl:682
 [4] top-level scope

简言之，您将完全不被允许创建它

重要的是要知道引发转换错误的边界值是

0x001fffff

，尽管它无效（最大有效Unicode值是

0x0010ffff

）。 这是一个在0.7中必须记住的问题

原因是，高达

0x001fffff

的值可以映射到UTF-8，尽管其中一些UTF-8表示形式无效（无法映射较大的值）

朱莉娅0.6.2 在这里，您可以创建

a

、

b

和

c

，但问题是

b*c

相当于

string（b，c）

（因此，不管作为参数传递给它的是什么类型，它最终都会将其转换为

string

），最后，如果深入研究，这将调用

write（s:：IO，ch:：Char）

，witch

ch

等于

a

，如果您查看此方法的定义，您将看到对于

a

，它将生成

'\ufffd'

——这就是您得到的结果

---

Julia 0.6.2将为所有无效的Unicode发出

'\ufffd'

，即任何大于

0x0010ffff

的字符表示形式在0.7中发生变化，因此问题的答案取决于您使用的Julia版本

朱莉娅0.7 如果您想使用Julia 0.7（从长远来看，这可能是您应该瞄准的目标，您必须切换到它），您将获得：

julia> a=Char(69058047)
ERROR: Base.CodePointError(0x041dbdff)
Stacktrace:
 [1] code_point_err(::UInt32) at .\char.jl:10
 [2] Type at .\char.jl:42 [inlined]
 [3] Char(::Int64) at .\boot.jl:682
 [4] top-level scope

简言之，您将完全不被允许创建它

重要的是要知道引发转换错误的边界值是

0x001fffff

，尽管它无效（最大有效Unicode值是

0x0010ffff

）。 这是一个在0.7中必须记住的问题

原因是，高达

0x001fffff

的值可以映射到UTF-8，尽管其中一些UTF-8表示形式无效（无法映射较大的值）

朱莉娅0.6.2 在这里，您可以创建

a

、

b

和

c

，但问题是

b*c

相当于

string（b，c）

（因此，不管作为参数传递给它的是什么类型，它最终都会将其转换为

string

），最后，如果深入研究，这将调用

write（s:：IO，ch:：Char）

，witch

ch

等于

a

，如果您查看此方法的定义，您将看到对于

a

，它将生成

'\ufffd'

——这就是您得到的结果

---

Julia 0.6.2将为所有无效的Unicode发出

'\ufffd'

，即任何大于

0x0010ffff

的值，该值甚至不是有效的Unicode代码点。您试图对无效字符串进行操作有什么原因吗？哼，加密。我很好奇是否所有的2^32字符都可以使用。此外，我想知道这是否是程序解析文本时在一些文件上出现错误的原因？（当我将UTF16String更改为UTF32String时，解决了一个类似的错误。）如果您没有真正使用有效的文本数据，则应该使用类似于

向量{UInt32}

的内容。是否可以将数组保存到一个空间很小的文件中？可能是字符串文本的1.5*甚至2*？这甚至不是有效的Unicode代码点。您试图对无效字符串进行操作有什么原因吗？哼，加密。我很好奇是否所有的2^32字符都可以使用。此外，我想知道这是否是程序解析文本时在一些文件上出现错误的原因？（当我将UTF16String更改为UTF32String时，解决了一个类似的错误。）如果您没有真正使用有效的文本数据，则应该使用类似于

向量{UInt32}

的内容。是否可以将数组保存到一个空间很小的文件中？可能是字符串文本的1.5*甚至2*？可能266665个字符就足够了。剩下让我困惑的是log（226665）==18？是否有理由不使用剩余的（32-18）位？您将266665带到了哪里？在Julia 0.7中，您可以映射

2097151

字符，尽管只有

1114111

有效的Unicode字符。原因是UTF-8字符编码为

11110xxx100xxxxx100xxxxx100xxxxx100xxxxxx

（我将其简化了一点，以了解详细信息），其中

x

为0或1。由于您有21个

x

s，因此在Julia 0.7中最多可以映射到

2^21=2097152

字符。现在清楚了吗？也许266665个字符就够了。剩下让我困惑的是log（226665）==18？是否有理由不使用剩余的（32-18）位？您将266665带到了哪里？在Julia 0.7中，您可以映射

2097151

字符，尽管只有

1114111

有效的Unicode字符。原因是UTF-8字符编码为

11110xxx100xxxxx100xxxxx100xxxxx100xxxxxx

（我将其简化了一点，以了解详细信息），其中

x

为0或1。由于您有21个

x

s，因此在Julia 0.7中最多可以映射到

2^21=2097152

字符。现在清楚了吗？