搞清楚字符编码06-万国码[2]

这篇博客介绍理论编码ucs4

编码范围

• ucs4共有4个字节，理论允许的编码范围为
  00000000 00000000 00000000 00000000
  至
  11111111 11111111 11111111 11111111
• 但最高位没有用，始终是0，所以实际的编码范围为
  00000000 00000000 00000000 00000000
  至
  01111111 11111111 11111111 11111111

组、平面、行、码位

概念

• 第一个字节称为组
• 第二个字节称为平面
• 第三个字节称为行
• 第四个字节称为码位

个数

• 组从00000000至01111111，共有$2^7=128$个组。
• 平面、行、码位类推，像平面共有$2^8=256$个平面

范围

• 组的范围就是除组之外后边几个bit的范围，所以每个组的范围都是0至$2^{24}$
• 例如2组就是：00000010 00000000 00000000 00000000 至 00000010 111111111 111111111 111111111
• 平面、行、码位类推，码位就只有256个码位，没有范围之说了。

ucs4的0组17个平面

规定

• 统一码联盟规定，ucs4中目前只使用0组的17个平面进行编码，也就是从0组的0号平面编码到0组的第16号平面.
• 即所允许的编码范围为
  00000000 00000000 00000000 00000000
  至
  00000000 00010000 11111111 11111111
• 每个平面有65536个编码，共17个平面，也就是说允许的编码有17×65536=1,114,112‬个.

17个平面也没有用完

• 目前实际编码的字符有238605个，这17个平面也没有用完.
• 这些字符分布在平面0、平面1、平面2、平面14、平面15、平面16上，且每个平面也没有都用完，都有空闲的部分.
• 其中平面15和平面16是专用区，如果以后再发明了某种字符且被世界认可，就在这两个平面编码.

BMP编码

• BMP编码就是UCS4中0组0平面的范围
• 也就是00000000 00000000 xxxxxxxx xxxxxxxx
• 它其实就是UCS2理论编码，因为是理论编码，前边的0存在不存在都无所谓.