五分钟带你了解码点与代码单元

1 Unicode

    Unicode俗称万国码，在20世纪80年代开始启动统一工作时，人们认为两个字节的代码宽度足以对世界上各种语言的所有字符编码，并有足够的空间留给未来扩展。在1991年发布了Unicode1.0，当时仅占用了65536（两个字节）个代码值中不到一半的部分。

    奈何中华文化博大精深，使得Unicode字符超过了65536个。现在，16位的char类型已经不能满足描述所有Unicode字符了。

2 码点（Code Point）

    码点是指与一个编码表中的某个字符对应的代码值。在Unicode标准中，码点采用了十六进制书写，并加上前缀U+，例如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。第一个代码平面称为基本多语言平面，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+10000到U+10FFFF，包括辅助字符。

    类比于ASCII码，码点就好比字符所对应的ASCII值。

3 代码单元（Code Unit）

    UTF-16编码采用不同长度的编码表示所有Unicode编码。在基本多语言平面中，每个字符用16位表示，称为代码单元。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未用的2048个值范围内，通常称为替代区域。这样设计十分巧妙，我们可以从中迅速知道一个代码单元时一个字符的编码，还是辅助字符的第一或第二部分。

   也就是说，在第一个代码平面中，我们并没有完全用掉每一个值，而是剩下一些值区间。那么我们可以组合这些没有用过的值区间来表示更大的码点