Unicode代理对（utf-16）

我们都知道Unicode的大部分字符都是都是使用16位编码，即2个字节表示。

这也是为什么正则匹配中，Unicode使用“\uxxxx”进行匹配的原因

为什么说是大部分呢？因为还有一个神奇的区域，叫做Unicode代理对。它们需要使用4个字节来表示一个字符。

这里就给大家做介绍。

---

问题来源

Unicode的产生是为了处理不同语言之间的编码不兼容问题。

比如如果中文和日文的不同文字使用了同一个编码值进行表示，那么一篇中文的软件/操作系统中创作的文章，到了日文软件/操作系统中显示就会出现乱码。

Unicode期望规定一种通用的文字编码方式能够唯一的表示所有的文字字符。这样只要所在的软件/操作系统支持Unicode，任何文章都能在这些电脑上保持一致的字符显示。

显然，为了支持任意的文字，Unicode需要保证其编码范围要大于所有的文字字符数量。

那么，Unicode使用16位编码能够最多表示 $2^{16}=65536$，这对于当前常见的主要语言的字符，数学符号等已经基本够用。

但是值得注意的是，世界上还有很多小语种&