Unicode 在UTF-16中，代理项对是表示大于2字节的代码点的唯一方法吗？
我知道这可能是一个愚蠢的问题，但我需要确定这个问题。例如，我需要知道一种编程语言是否说它的字符串类型使用UTF-16编码，这是否意味着： 它将使用2个字节作为U+0000到U+FFFF范围内的代码点。 对于大于每个代码点的U+FFFF 4字节的代码点，它将使用代理项对。Unicode 在UTF-16中，代理项对是表示大于2字节的代码点的唯一方法吗？,unicode,utf-16,codepoint,surrogate-pairs,Unicode,Utf 16,Codepoint,Surrogate Pairs,我知道这可能是一个愚蠢的问题，但我需要确定这个问题。例如，我需要知道一种编程语言是否说它的字符串类型使用UTF-16编码，这是否意味着： 它将使用2个字节作为U+0000到U+FFFF范围内的代码点。 对于大于每个代码点的U+FFFF 4字节的代码点，它将使用代理项对。 或者某些编程语言在编码时使用自己的技巧，而不是100%遵循此标准。UTF-16是一种指定的编码，因此如果使用UTF-16，那么您就按照它所说的去做，而不是发明任何自己的技巧 不过，我不会像你那样谈论两个字节。这是一个细节。UTF
或者某些编程语言在编码时使用自己的技巧，而不是100%遵循此标准。UTF-16是一种指定的编码，因此如果使用UTF-16，那么您就按照它所说的去做，而不是发明任何自己的技巧 不过，我不会像你那样谈论两个字节。这是一个细节。UTF-16的关键部分是将代码点编码为16位代码单元的序列，并使用成对的代理对大于0xFFFF的代码点进行编码。一个代码单元由两个8位字节组成这一事实是第二层细节，适用于许多系统，但有些系统的字节大小较大，这与此无关，在这种情况下，您可以区分大端和小端表示 但从另一个方向看，绝对没有理由特别使用UTF-16。最终，Unicode文本只是一个值高达221的数字序列，如何表示和序列化这些数字取决于您 我很乐意证明UTF-16是一个历史性的意外事件，如果我们现在必须重做的话，我们可能不会这么做：它是一个可变长度编码，就像UTF-8一样，因此与UTF-32相比，您不会获得随机访问，但它也很冗长。与UTF-8不同，它存在耐久性问题。最糟糕的是，它使用代理项对的实际代码点值将Unicode标准的部分内容与内部表示混淆
在我看来，UTF-16存在的唯一原因是因为在早期人们相信16位对全人类来说永远都足够了，所以UTF-16被设想成是像今天的UTF-32一样的最终解决方案。当这被证明不是真的，替代品和更广泛的范围被附加到UTF-16上。今天，大体上您应该使用UTF-8进行外部序列化，或者使用UTF-32进行内部高效访问。对于纯亚洲文本，可能会有一些额外的原因选择UCS-2。UTF-16本身是标准的。然而，无论是否声称“支持”UTF-16，字符串基于16位代码单元的大多数语言都可以使用任何代码单元序列，包括无效的代理。例如，这通常是一个可接受的字符串文字：
"x \uDC00 y \uD800 z"