Unicode了解一下：码位分布

Unicode

---

Unicode的编码范围为U+0000 ~ U+10FFFF，一共包含$2^{16} * 17 = 1114112$个码位。
整个编码空间划分为17个平面（plane），每个平面包含$2^{16}=65536$个码位（codepoint）。
其中0号空间叫做基本多文种平面（Basic Multilingual Plane, BMP），其他平面叫做补充平面（supplementary planes）。

平面的概念来源于UTF-16的编码，双字符能编码16个平面$2^{16}*16 = 2^{10}*2^{10} = 2^{20} = 1048576$个码位，加上单字符BMP平面，一共17个平面。详细我们会在UTF-16的章节进行说明。

各平面的分布如下：

Plane	范围	名称
Plane 0	U+0000 ~ U+FFFF	基本多文种平面（Basic Multilingual Plane, BMP）
Plane 1	U+10000 ~ U+1FFFF	多文种补充平面（Supplementary Multilingual Plane, SMP）
Plane 2	U+20000 ~ U+2FFFF	表意文字补充平面（Supplementary Ideographic Plane, SIP）
Plane 3	U+30000 ~ U+3FFFF	表意文字第三平面（Tertiary Ideographic Plane, TIP）.
Plane 4 ~ 13	U+40000 ~ U+4FFFF	未使用（unassigned）
Plane 14	U+E0000 ~ U+EFFFF	特别用途补充平面（Supplementary Special-purpose Plane, SSP）
Plane 15 ~ 16	U+F0000 ~ U+10FFFF	保留作为私人使用区（Private Use Area, PUA）

各平面作用

Plane 0

第0平面，BMP包含了几乎所有现代语言的常用字符和大量的符号。具体分布可以查看 百度百科

# 代理Surrogates U+D800 ~ U+DFFF

除了文字和符号外，在BMP中2048个码位被保留作为代理（Surrogates）

高代理（High Surrogates） U+D800 ~ U+DBFF

低代理（Low Surrogate） U+DC00 ~ U+DFFF

他们在UTF-16对非BMP字符进行编码的时候成对出现，用来对码位超过65536的字符进行编码。

# 变量选择器Variation_Selectors U+FE00 ~ U+FE0F

BMP中包含16个变量选择器。目的是用来指明特定字符的选择类型。如：

VS12(U+FE0E)标明该Emoji是白种人形态

VS13(U+FE0E)标明该Emoji是黄种人形态

VS14(U+FE0E)标明该Emoji是黑种人形态

VS15(U+FE0E)标明该文字是文字

VS16(U+FE0F)标明该文字是Emoji

Plane 1

第1平面，多文种补充平面。包含古文字，专用文字，符号和特定领域用的标记。

古文字诸如埃及象形文字，楔形文字等，现代音乐标记，Emoji表情等都属于这个平面的范畴

Plane 2

第2平面，表意文字补充平面。主要对CJK的字符进行补充

Plane 3 ~ Plane13

暂时还没有分配任何字符

Plane 14

特别用途平面，240个(VS17~VS256)补充变量选择器(Variation Selectors Supplement)补充就在这个平面定义

Plane 15 & Plane 16

私用

其他阅读

• Plane (Unicode) - Wikipedia