Java中的“代理项对”是什么？

unicode java utf-16 surrogate-pairs

2022-08-31 06:50:52

我正在阅读的文档，特别是 reverse（）方法。该文档提到了有关代理项对的内容。在这种情况下，什么是代理项对？什么是低和高代孕？StringBuffer

答案 1

术语“代理项对”是指在 UTF-16 编码方案中对具有高码位的 Unicode 字符进行编码的方法。

在 Unicode 字符编码中，字符映射到介于 0x0 和 0x10FFFF 之间的值。

在内部，Java 使用 UTF-16 编码方案来存储 Unicode 文本的字符串。在 UTF-16 中，使用 16 位（双字节）代码单元。由于 16 位只能包含从 0x0 到 0xFFFF 的字符范围，因此使用一些额外的复杂性来存储此范围以上的值（0x10000到0x10FFFF）。这是使用称为代理项的代码单元对完成的。

代理代码单元位于两个范围内，称为“高代理项”和“低代理项”，具体取决于在两个代码单元序列的开头还是结尾是否允许它们。

答案 2

早期的Java版本使用16位char数据类型表示Unicode字符。这种设计在当时是有意义的，因为所有Unicode字符的值都小于65，535（0xFFFF），可以用16位表示。但是，后来，Unicode 将最大值增加到 1，114，111（0x10FFFF）。由于 16 位值太小，无法表示 Unicode 版本 3.1 中的所有 Unicode 字符，因此 UTF-32 编码方案采用了 32 位值（称为码位）。但是，为了有效地使用内存，16 位值优先于 32 位值，因此 Unicode 引入了一种新设计，允许继续使用 16 位值。此设计采用 UTF-16 编码方案，将 1，024 个值分配给 16 位高代理项（在 U+D800 到 U+DBFF 范围内），另外 1，024 个值分配给 16 位低代理项（在 U+DC00 到 U+DFFF 范围内）。它使用高代理项，后跟低代理项（代理项对）来表示（1，024 和 1，024 的乘积）1，048，576 （0x100000）介于 65，536 （0x10000）和 1，114，111 （0x10FFFF）之间的值。