代理对是表示UTF-16中大于2字节的代码点的唯一方法吗？
代理对是表示UTF-16中大于2字节的代码点的唯一方法吗？
提问于 2014-12-10 08:54:42
我知道这可能是个愚蠢的问题，但我必须确定这个问题。因此，我需要知道，例如，如果编程语言说它的字符串类型使用UTF-16编码，这是否意味着：
- 它将在U+0000到U+FFFF的范围内使用2个字节作为代码点。
- 它将对大于U+FFFF的代码点使用代理项对(每个代码点4字节)。
或者某些编程语言在编码时会使用自己的“技巧”，并且不会100%遵循这一标准。
回答 1
Stack Overflow用户
发布于 2014-12-10 12:53:02
ATF-16本身就是标准的。然而，大多数语言的字符串基于16位代码单元(不管它们是否声称“支持”UTF-16)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本：
"x \uDC00 y \uD800 z"通常，只有当尝试将错误写入另一种编码时，才会得到错误。
Python的可选编码/解码选项surrogateescape使用这样的无效代理将表示单个字节0x80-0xFF的令牌走私到独立的代理代码单元U+DC80-U+DCFF中，从而生成这样的字符串。这通常只在内部使用，所以您不太可能在文件或连线上满足它；而且它只适用于str的UTF-16，因为Python的UTF数据类型是基于16位代码单元的(在3.0到3.3之间的“窄”构建)。
我不知道任何其他常用的扩展/变体的UTF-16。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/27396758
复制相关文章
相似问题
腾讯云开发者
