Java码点和代码单元的理解

Java码点和代码单元的理解

书本中的相关概念

码点

定义

码点（code point）是指与一个编码表中的某个字符对应的代码值

代码单元

定义

在基本多语言平面中，每个字符用16位表示，通常称为代码单元（code unit）

说明

• 一个码点可能包含一个或者两个代码单元
• 在Unicode标准中，码点采用十六进制书写，并加上前缀U+（如U+0041就是拉丁字母A的码点）
• Unicode的码点可以分成17个代码平面（code plane）。第一个平面称为基本多语言平面（basic multilingual plane），包括码点从U+0000到U+FFFF的经典Unicode代码；其余的16个平面的码点为从U+10000daoU+10FFFF，包括辅助字符（supplementary character）
• UTF-16编码采用不同长度的编码表示Unicode码点
• 在基本多语言平面中，每个字符用16位表示，通常称为代码单元（code unit）；而辅助字符编码为一对连续的代码单元。采用这种编码对表示的各个值落入基本多语言平面中为用的2048个值范围内，通常称为替代区域（surrogate area）