关于Unicode和表示字符所需的位数的混淆

我对Unicode中有1114112个字符感到困惑，但同时我们可以使用UTF-16（使用16位）访问所有字符。我的意思是，他们不需要32位来存储吗

---

我听说它与代理项对有关，但我不知道它们实际上是什么。

unicode有不同的编码。UTF-8和UTF-16都使用一个或多个8位或16位blob来表示单个字符，具体取决于任何unicode代码点

另一方面，wchar\u t或16位整数只能表示一些unicode代码点

关于代理项对：

---

http://www.unicode.org/faq/utf_bom.html#utf16-4

Unicode在历史上是一种16位代码和字符集（在最早的版本中）。这也是UCS-2被创建为编码的时候，通用字符集中的每个字符都是一个2字节的单位

很快就清楚了（也是由于项目范围的一些变化），16位，因此65536个字符太少，无法使用，Unicode扩展到21位，组织在17个平面中，其中第一个65536字符构成第0个，即基本多语言平面（BMP）

同时，BMP中的2048个代码点被作为所谓的高和低替代项留出。其中两个代表另一个平面中的一个角色。这就启用了UTF-16，其中每个代码单元仍然有两个字节长，并且一个或两个代码单元（在后一种情况下，通过组合高代理和低代理）将表示单个代码点。同样，有人宣布，这些代理不得单独出现或顺序错误。代理字符主要是一个奇怪的特性（它们构成Unicode中最大的非字符块），但从技术上讲，代理字符是实现从16位到21位Unicode路径的最干净的方式

无论您听到或想到什么，Unicode在其历史上最长的一段时间内都不是16位代码，目前没有任何东西需要任何16位代码。然而：

早期采用Unicode的系统和环境最初使用UCS-2，因为这是一种支持新字符集中所有字符的简单方法。那些已经过渡到UTF-16。Windows、Java和.NET（由于其Windows传统）就是这样的例子

如今，大多数其他地方都使用UTF-8，这也是网络上占主导地位的编码（据谷歌称）。UTF-8不需要surrograte对，而是采用不同的方案，其中代码点由一个（ASCII）、两个、三个或四个代码单元（取决于代码点）表示

还有UTF-32，与UCS-4相同，每个字符使用四个字节。这主要用于软件的某些内部进程，其中每个代码点需要具有相同的长度。它很少用于存储或交换

---

先读。然后再问一次是否还有问题。文章不错。但我还是不明白用Unicode将字符存储为两部分的神话？上下？如果你能举个例子解释一下，那就很方便了。如果一个汉字（任何一个）要存储，它将如何存储？它可以以多种方式存储。以蒂姆为例，事实上，我发现乔尔的文章在某些方面相当欠缺。它可能会让一些基本概念变得清晰，但Unicode太复杂了，无法在这么短的文章中概括。请问另一个问题。用一种有用的方式去问它，这样你就能得到答案。老兄，你应该为维基百科写作！不，根据我的知识，我真的不能写出一篇连贯的文章。回答问题容易多了。此外，我只是Unicode邮件列表中的一个潜伏者，那里的许多人知道的比我多得多（如果以上信息是正确的话）。