概述
代理項（Surrogate），是一種僅在 UTF-16 中用來表示補充字符的方法，在 UTF-16 中，為補充字符分配兩個 16 位的 Unicode 代碼單元：
- 第一個代碼單元，被稱為高代理項代碼單元或前導代碼單元；
- 第二個代碼單元，被稱為低代理項代碼單元或尾隨代碼單元，
這兩個代碼單元組合在一起，就被稱為代理項對，
相關術語
為了能更好地理解“代理項”這一概念，就需要先了解相關的 Unicode 術語：[1]
- 代碼點（Code Point）：
- Unicode 代碼空間中的任何值，即從 0 到 10FFFF16 的整數范圍，但并非所有代碼點都分配給編碼字符，
- 一個字符在任何編碼字符集中的值或位置，
- 代碼單元（Code Unit）：最小的數位組合，可以表示用于處理或交換的編碼文本的單位，在 Unicode 標準中，UTF-8 編碼格式采用 8 位編碼單元，UTF-16 編碼格式采用 16 位編碼單元，UTF-32 編碼格式采用 32 位編碼單元，
- BMP 字符（BMP Character）：位于 BMP（Basic Multilingual Plane，多語種基本面）代碼點的 Unicode 編碼字符，
- BMP 代碼點（BMP Code Point）：在 U+0000 到 U+FFFF 范圍內的 Unicode 代碼點，
- 補充字符（Supplementary Character）：位于補充代碼點的 Unicode 編碼字符，
- 補充代碼點（Supplementary Code Point）：在 U+10000 到 U+10FFFF 范圍內的 Unicode 代碼點，
- 高代理項代碼點（High-Surrogate Code Point）：在 U+D800 到 U+DBFF 范圍內的 Unicode 代碼點，
- 高代理項代碼單元（High-Surrogate Code Unit）：在 D80016 到 DBFF16 范圍內的 16 位代碼單元，在 UTF-16 中用作代理項對的前導代碼單元（Leading Code Unit），
- 低代理項代碼點（Low-Surrogate Code Point）：在 U+DC00 到 U+DFFF 范圍內的 Unicode 代碼點，
- 低代理項代碼單元（Low-Surrogate Code Unit）：在 DC0016 到 DFFF16 范圍內的 16 位代碼單元，在 UTF-16 中用作代理項對的尾隨代碼單元（Trailing Code Unit），
- 代理項對（Surrogate Pair）：由兩個 16 位代碼單元組成，其中第一個是高代理項代碼單元，第二個是低代理項代碼單元，
- 代理項字符（Surrogate Character）：用詞不當，這表示一個編碼字符只有一個代理項代碼點，這是不可能的，所以請勿使用這個詞，
特別說明：[2]
- 高代理項代碼點和低代理項代碼點，僅指定用于此用途（即字面意義所指的用途，不作他用），
- 高代理項代碼單元和低代理項代碼單元，僅在 UTF-16 中使用，
- 代理項對，僅在 UTF-16 中使用，
釋義
關于代理項的概念，通俗來講，就是為補充字符找兩個“代理人”，由于補充字符體格壯碩，到了 UTF-16 這個地方就需要占用兩個 16 位的座位，為了避免因“占座糾紛”導致意外發生，就需要為補充字符找來兩個“代理人”，代替他來占用兩個座位，這樣就能皆大歡喜了，
- 兩個“代理人”，就是高代理項和低代理項，
- 兩個“代理人”占用的座位，就是 16 位的高代理項代碼單元和低代理項代碼單元，
- 兩個“代理人”所在的位置，就是高代理項代碼點和低代理項代碼點，
- 兩個“代理人”組合在一起，就是代理項對，
- “代理人”一定是出雙入對的，單身的“代理人”是不能表示補充字符的，只能被稱為未配對代理項（Unpaired Surrogate），
代理項僅在 UTF-16 中用來表示補充字符，是指：
- 不在 UTF-8 中使用，補充字符到了 UTF-8 這個地方就需要占用四個 8 位的座位，而實際給補充字符找的是兩個 16 位的“代理人”，對不上號，
- 不在 UTF-32 中使用，在 UTF-32 這個地方提供的座位，完全符合補充字符的體形，無需再為其另找“代理人”占座，
- 不表示 BMP 字符，在補充字符沒有出現時，并沒有“代理人”這一概念，也就是說“代理人”并不是給 BMP 字符找的，
在 Java 中的應用
以下內容來自 Java API 檔案：[3]
char 資料型別以及 Character 物件封裝的值，都是基于最初的 Unicode 規范，該規范將字符定義為固定寬度的 16 位物體，隨著 Unicode 標準的不斷更新，超過 16 位的字符已被允許表示，合法代碼點的范圍已擴展到 U+10FFFF，
在 char 陣列、String 類和 StringBuffer 類中，都采用 UTF-16 來表示字符，在這種表示法中，補充字符被表示為一對 char 值，第一個來自高代理項區間（\uD800 - \uDBFF），第二個來自低代理項區間（\uDC00 - \uDFFF），
因此，char 值可表示 BMP 代碼點、代理項代碼點或 UTF-16 編碼的代碼單元，而所有的 Unicode 代碼點，包括補充代碼點，則用 int 值來表示，int 值中的低 21 位用來表示 Unicode 代碼點，而高 11 位必須為零，
1. Unicode 詞匯表 ??
2. Unicode 標準 ??
3. Unicode 字符表示法 ??
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/165594.html
標籤：Java
下一篇：2020年java就業前景