尝试重新表述：您能否将每个组合字符组合映射到一个代码点？
我是 Unicode 新手，但在我看来，没有编码、规范化或表示形式，在 Unicode 的每种情况下，一个字符都是一个代码点。这个对吗？
基本多语言平面也是如此吗？
问问题
308 次
3 回答
7
如果您的意思是一个字符 == 一个数字（即：每个字符由相同数量的字节/单词/what-have-you 表示）：在 UCS-4 中，每个字符由一个 4 字节数字表示。这对于用单个值表示每个字符来说已经足够大了，但是如果您不需要任何更高的字符，那就太浪费了。
如果您指的是兼容性序列（即：其中 e + ´ => é）：现有现代语言中使用的大多数组合都有单字符表示。如果您正在编写自己的语言，您可能会遇到问题......但如果您坚持使用人们实际使用的语言，您会没事的。
于 2011-01-05T19:47:52.853 回答
6
您可以将每个组合字符组合映射到一个代码点吗？
每个组合字符组合？您提出的编码如何表示字符串“ à̴̵̶̷̸̡̢̧̨̛̖̗̘̙̜̝̞̟̠̣̤̥̦̩̪̫̬̭̮̯̰̱̲̳̹̺̻̼͇͈͉͍͎́̂̃̄̅̆İ̈̉̊̋̌̍̎̏̐̑̒̓̔̽̾̿̀́͂̓̈́͆͊͋͌̕̚ͅ͏͓͔͕͖͙͚͐͑͒͗͛ͣͤͥͦͧͨͩͪͫͬͭͮͯ͘͜͟͢͝͞͠͡”？（一个带有一百多个组合标记的“a”？）这不切实际。
然而，Unicode 中有很多“预先组合”的字符，例如 áçñü。规范化形式 C 将尽可能使用这些而不是分解的版本。
于 2011-01-06T05:10:10.953 回答
1
在我看来，没有任何编码、规范化或表示形式，在 Unicode 的每种情况下，一个字符都是一个代码点。这个对吗？
取决于“字符”一词的含义。Unicode 具有抽象字符（标准第 3 章中的定义 7：“用于组织、控制或表示文本数据的信息单元”）和编码字符（定义 11：“关联（或映射）在抽象字符和代码点之间”）。所以一个字符永远不是一个代码点，但是对于许多代码点来说，存在一个映射到代码点的抽象字符，这种映射被称为“编码字符”。但是（定义 11，第 4 段）：“单个抽象字符也可以由一系列代码点表示”</p>
基本多语言平面也是如此吗？
BMP 和其他平面之间没有与抽象或编码字符相关的概念差异。上面的陈述适用于代码空间的所有子集。
根据您的应用程序，您必须区分字形、字形簇、字形、抽象字符、编码字符、代码点、标量值、代码单元和字节等术语。所有这些概念都是不同的，它们之间没有简单的映射关系。特别是，这些实体之间几乎从来没有一对一的映射。
于 2011-01-05T22:12:44.730 回答