字符编码发展史5 — UTF-16和UTF-32

上一篇《字符编码发展史4 — Unicode与UTF-8》我们讲解了Unicode字符集与UTF-8编码。本篇我们将继续讲解字符编码的第三个发展阶段中的UTF-16和UTF-32。
2.3. 第三个阶段 国际化

2.3.2. Unicode的编码方式

2.3.2.2. UTF-16

UTF-16也是一种变长编码，对于一个Unicode字符被编码成1至2个码元，每个码元为2个字节(16位)。UTF-16编码会有字节序的问题，所以根据巨细端又分为大端UTF-16(UTF-16 BE)和小端UTF-16(UTF-16 LE)。
1. 基本平面（码点范围U+0000-U+FFFF）

在基本多语言平面内的码位UTF-16编码使用1个码元且其值与Unicode是相等的（不必要转换）。举例如下：
Unicode字符UTF-16（码元）UTF-16 LE（字节）UTF-16 BE（字节）U+0041A0x00410x41 0x000x00 0x41U+03A9Ω0x03A90xA9 0x030x03 0xA9U+6653晓0x66530x53 0x660x66 0x532. 辅助平面（码点范围U+10000-U+10FFFF）

辅助平面的码点在UTF-16中被编码为一对双字节(16位)的码元（即32位，4字节），称作代理对(surrogate pair)，编号范围：0xD800~0xDFFF，也就是前文提到的代理区的范围。这也就是为什么基本多语言平面会保留一块代理区(0xD800~0xDFFF)的码点不定义任何字符的原因。
组成代理对的两个码元前一个称为前导代理(lead surrogates)范围为0xD800-0xDBFF，可表达1024(2^10)个码元；后一个称为后尾代理(trail surrogates)范围为0xDC00-0xDFFF,可表达1024(2^10)个码元。如许两个码元组合在一起就可以表达 2^20(2^10 * 2 ^ 10)个编码，正好和辅助平面的码点范围U+10000-U+10FFFF对应。
UTF-16辅助平面代理对与Unicode的对应关系如下表。

• 第一列: 表示前导代理。
  
• 第一行: 表示后尾代理。
  
• 表格内容: 表示Unicode的码点编号。
  

\0xDC000xDC01…0xDFFF0xD800U+10000U+10001…U+103FF0xD801U+10400U+10401…U+107FF⋮⋮⋮⋱⋮0xDBFFU+10FC00U+10FC01…U+10FFFF举例如下
[table][tr]Unicode字符UTF-16（码元）UTF-16 LE（字节）UTF-16 BE（字节）[/tr][tr][td]U+2A6A5[/td][td]
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。