使用Java語(yǔ)言進(jìn)行Unicode代理編程

早期 Java 版本使用 16 位 char 數(shù)據(jù)類(lèi)型表示 Unicode 字符。這種設(shè)計(jì)方 法有時(shí)比較合理，因?yàn)樗?Unicode 字符擁有的值都小于 65,535 (0xFFFF)， 可以通過(guò) 16 位表示。但是，Unicode 后來(lái)將最大值增加到 1,114,111 (0x10FFFF)。由于 16 位太小，不能表示 Unicode version 3.1 中的所有 Unicode 字符，32 位值 — 稱(chēng)為碼位（code point） — 被用于 UTF-32 編碼模式。

但與 32 位值相比，16 位值的內(nèi)存使用效率更高， 因此 Unicode 引入了一個(gè)種新設(shè)計(jì)方法來(lái)允許繼續(xù)使用 16 位值。UTF-16 中采 用的這種設(shè)計(jì)方法分配 1,024 值給 16 位高代理（high surrogate），將另外 的 1,024 值分配給 16 位低代理（low surrogate）。它使用一個(gè)高代理加上一 個(gè)低代理 — 一個(gè)代理對(duì)（surrogate pair） — 來(lái)表示 65,536 (0x10000) 和 1,114,111 (0x10FFFF) 之間的 1,048,576 (0x100000) 值 （1,024 和 1,024 的乘積）。

Java 1.5 保留了 char 類(lèi)型的行為來(lái)表 示 UTF-16 值（以便兼容現(xiàn)有程序），它實(shí)現(xiàn)了碼位的概念來(lái)表示 UTF-32 值。這個(gè)擴(kuò)展（根據(jù) JSR 204：Unicode Supplementary Character Support 實(shí)現(xiàn)） 不需要記住 Unicode 碼位或轉(zhuǎn)換算法的準(zhǔn)確值 — 但理解代理 API 的正 確用法很重要。

?