Unicode UTF-16编码如何使用代理代码点？

根据

D91 UTF-16编码格式：分配每个 范围为U+0000..U+D7FF和U+E000..U+FFFF的Unicode标量值 到具有与相同数值的单个无符号16位代码单元 Unicode标量值，指定每个Unicode标量值 范围为U+10000..U+10FFFF到代理项对

术语“标量值”指的是unicode代码点，即必须通过不同编码形式（UTF-16等）将抽象概念编码为特定字节序列的范围。因此，这一摘录要点似乎是考虑到并非所有的代码点都可以容纳在一个UTF-16代码单元（两个字节）中，有些代码点应该编码到一对代码单元（4个字节）中（称为“代理对”）

然而，术语“标量值”的定义如下：

D76 Unicode标量值：除高代理外的任何Unicode代码点 和低代理代码点

---

等等。。。Unicode是否有代理代码点？当UTF-16可以使用4个字节来表示标量点时，原因是什么？有人能解释一下基本原理以及UTF-16如何使用此代码点吗？

是的，Unicode保留了代理代码点的范围：

---

Unicode保留这些范围，因为这些16位值在代理项对中使用，并且不能为它们分配其他符号。代理项对是两个16位值，它们对U+FFFF以上的代码点进行编码，这些代码点不适合于单个16位值。

仅为最终澄清起见

• UTF-16使用16位（2字节）代码单元。这意味着这种编码格式将代码点（即抽象思想应该以某种方式在计算机内存中表示）编码为16位（因此据称解释器一次读取两个字节的数据）
• UTF-16做得最好非常简单：U+000E编码点将编码为000E，U+000F编码为000F，依此类推
• 问题是16位只能提供不足以容纳所有unicode代码点的范围（0000..FFFF仅允许65536个可能值）。对于超出此范围的代码点，我们可能会使用两个16位字（4字节）（实际上，我的误解是UTF-16为什么不这样做）。然而，这种方法导致无法解码某些值。例如，如果我们将U+10000代码点编码为0001 0000（十六进制表示法），那么解释器究竟应该如何解码这种表示：作为两个子量化代码点U+0001和U+0000，还是作为单个U+10000
• Unicode规范倾向于更好的方式。如果需要对范围U+10000..U+10FFF（1 048 576个代码点）进行编码，那么我们应该将1 024+1 024=2 048的值与那些可以用16位编码的值分开（规范为其选择了D800..DFFF范围）。当interpeter在计算机内存中计算D800..DBFF（高代理区域）值时，它知道这不是隐含的“完全成熟”代码点（不是规范中的标量值），它应该再读取16位以从DC00..DFFF范围（低代理区域）中获取值最后得出U+10000..U+10FFF代码点中的哪一个是用这4个字节（用这个代理项对）编码的。注意，这样的方案可以对1024*1024=1048576个代码点进行编码（这与我们需要的数量非常相同）
• 由于Unicode代码空间被定义为从0到10FFFF的整数范围，因此我们必须引入代理代码点（而不是代码单位）的概念——U+D800..U+DBFF范围（因为我们不能从Unicode代码空间中排除此范围）。鉴于为UTF-16中的代理代码单元指定了代理代码点（见C1，D74），这些代码点可以视为UTF-16遗迹