-
surrogate pair
鎖定
Surrogate Pair是UTF-16中用於擴展字符而使用的編碼方式，是一種採用四個字節(兩個UTF-16編碼)來表示一個字符。
在UTF-16中，在範圍U+0000到U+FFFF間的碼點使用一個單一的16位編碼單元表示。但是，隨着國際字符的不斷增加，16位編碼空間無法滿足編碼的要求。
UNICODE標準組織UTF-16優化了基本多語言平面(BMP, Basic Multilingual Plane)中字符的表示，即位於U+0000到U+FFFF範圍內的字符。該範圍包含了世界上所使用的書寫系統中的絕大多數字符，每個字符只需要一 個16位的編碼單元。對於基本多語言平面，UTF-16可作為固定寬度的編碼格式來有效使用。
但對於增補字符，UTF-16需要兩個16位的編碼單元，意味着正式的UTF-16是一個變寬的編碼格式。就在範圍U+10000到U+10FFFF間的編碼則使用一對16位編碼單元表示，稱作代理對(surrogate pair)。
UTF-16是早期Unicode遺留下的歷史產物，原本被設計成具有固定寬度的16位編碼格式。為支持超過U+FFFF的增補字符，設立了代理機制。
- 中文名
- 代理對
- 外文名
- surrogatepair
目錄
- 1 編碼規則
surrogate pair編碼規則
在BMP內的字符，仍然按照UTF-16的編碼規則，使用兩個字符來表示。
[1]
（注：BMP內的字符編碼，不包含從U+D800到U+DFFF的預留碼位。這些預留碼位就恰好用於擴展字符編碼）
增補字符的編碼值已經超過了BMP的編碼範圍，所以，需要使用一對UTF-16字符來表示一個字符。UTF-16編碼以16位無符號整數為單位。我們把Unicode編碼記作U。編碼規則如下：
- 如果U≤0x10000，U的UTF-16編碼就是U對應的16位無符號整數。
- 如果U≥0x10000，
- 我們先計算U’=U-0x10000，
- 然後將U’寫成二進制形式：yyyy yyyy yyxx xxxx xxxx，
- U的UTF-16編碼（二進制）就是：110110yyyyyyyyyy 110111xxxxxxxxxx。
這兩個字符就稱為surrogate pair（代理對）。第一個代理字符為16位編碼，範圍為U+D800到U+DFFF，第二個代理字符也是一個16位編碼，範圍為U+DC00 to U+DFFF。
- 參考資料
-
- 1. Surrogates and Supplementary Characters ．微軟MSDN網站[引用日期2015-02-22]
- 詞條統計
-
- 瀏覽次數：次
- 編輯次數：12次歷史版本
- 最近更新： 本命年本命年44