代码点和代码单元的关系
要了解 Crystal Reports for Visual Studio 2005 支持 GB18030 和 Unicode 的方式,很重要的是要了解代码点和代码单元的关系。
代码点和代码单元
在每种编码形式中,代码点被映射到一个或多个代码单元。
注意 有关代码点的概述,请参见上一节 字符视图。
“代码单元”是各个编码形式中的单个单元。代码单元的大小等效于特定编码的位数测量单位:
- UTF-8 中的代码单元由 8 位组成。
- UTF-16 中的代码单元由 16 位组成。
- UTF-32 中的代码单元由 32 位组成。
- GB18030 中的代码单元由 8 位组成。
每个代码点中的代码单元数
映射到代码点所需的代码单元数根据编码形式而有所不同:
- UTF-8
在 UTF-8 中,因为代码单元较小的缘故,每个代码点常常被映射到多个代码单元。代码点将被映射到一个、两个、三个或四个代码单元。
- UTF-16
UTF-16 的代码单元大小是 8 位代码单元的两倍。所以,标量值小于 U+10000 的代码点被编码到单个代码单元中。
对于标量值大于或等于 U+10000 的代码点,每个代码点需要两个代码单元。在 UTF-16 中,这些代码单元对有一个独特的术语:“Unicode 代理对”。
注意 下面对 Unicode 代理对的支持进行了讨论。
- UTF-32
UTF-32 中使用的 32 位代码单元足够大,每个代码点都可编码为单个代码单元。
- GB18030
在 GB18030 中,因为代码单元较小的缘故,每个代码点常常被映射到多个代码单元。代码点将被映射到一个、两个或四个代码单元。