问题标签 [astral-plane]

我正在编写一个小应用程序，我需要使用不同字节长度的 utf-8 字符进行测试。

我可以输入 unicode 字符来测试以 utf-8 编码的 1,2 和 3 个字节，例如：

但是如何获得一个用 4 字节编码的 unicode 字符呢？我试过了：

据我了解应该是输出。但是当我打印出来时，我得到ᴶ0

我错过了什么？

编辑：

我通过添加前导零让它工作：

希望我早点想到这一点:)

抛出：System.ArgumentException：以相反的顺序解析“[-]” - [xy] 范围。

查看 \U00010000 和 \U0010FFF 的十六进制值，我得到：第一个字符为 0xd800 0xdc00，第二个字符为 0xdbff 0xdfff。

所以我想我真的有一个问题。为什么用 \U 形成的 Unicode 字符在字符串中分成两个字符？

我有一个字符范围限制列表，我需要检查一个字符串，但是char.NET 中的类型是 UTF-16，因此一些字符变成了古怪的（代理）对。因此，在枚举chara 中的所有 '时string，我没有得到 32 位 Unicode 代码点，并且一些与高值的比较失败。

我对 Unicode 有足够的了解，可以在必要时自己解析字节，但我正在寻找 C#/.NET Framework BCL 解决方案。所以 ...

如何将 a 转换为 32 位 Unicode 代码点string的数组 ( )？int[]

我正在使用 EVC++ 4 开发的应用程序在 Windows CE 5 上运行并且应该支持 unicode（AFAIK wchar_t 在 Windows 上使用 UTF-16，所以我正在使用它），所以我希望能够用“更具异国情调”来测试它人物。尤其是在 UTF-16 中使用 4 字节而不仅仅是 2 字节的字符。因此，我试图在文本编辑器中显示这些字符（atm 在我的带有 Windows XP 的台式 PC 上，而不是在嵌入式设备上）。

但我还没有做到这一点。作为一个例子，我选择了这个角色。就像这里提到的“MPH 2B Damase”应该支持这个角色。所以我下载了字体并将其放入 Windows\Fonts。我使用十六进制编辑器（只是为了确定）创建了一个文本文件，其中包含以下内容：

当我用记事本打开它（应该支持 unicode，对吗？）并使用下载的字体时，它不会按预期显示 1 个字符，但这是 2：

我究竟做错了什么？:)

谢谢！

赫尼尔斯

编辑： 按照建议翻转 BOM 不起作用。在这种情况下，记事本（以及我尝试过的所有其他编辑器）显示两个正方形。有趣的是，如果我在这里复制两个方块（使用 firefox），我会看到正确的字符：

使用 UTF-8 也无助于记事本。

我认为这个问题很简单，在基本平面之后我是否需要 Unicode 中的所有其他东西？包括什么样的东西，真的需要吗？（以及出于什么目的？）

谢谢。

请参阅此处了解相关问题。

但是，char转到0xffff（或65535）。我需要写0xd800df46（或66374）哥特式字母Faihu，所以将其转换int为char行不通。我进行了转换，也就是说，我得到了正确的整数，这意味着我可以计算代理对，但我不知道如何“渲染”它，将其转换为要作为字形输出的字符。

请注意，我不能使用 \Unnnn ...好吧，理论上的原因。

谢谢你。

我收到了从 Sql Server 到 MySql db 运行数据传输组件的服务器错误。错误信息如下：

[MySql][ODBC 5.1 Driver][mysqld-5.0.67-community-nt-log]Server does not support 4-byte encoded UTF8 characters.

源 Sql Server 表包含 nvarchar 列，目标 MySql 表包含 varchar 列。

任何人都可以阐明这个问题吗？

我想在 Java 中使用 SMP（补充多语言平面）。实际上，我想打印一个代码点大于 0xFFFF 的字符。我使用了这行代码：

具有特殊字符的代码点。但是如何将这个 unicode 字符打印到控制台？

预先感谢您的帮助。

常用的 ofc，克林贡语不算 :-)

谢谢，伙计们，让我运行 willItFit() 测试用例

好的，现在我知道使用 UTF-8 保存字节会导致比解决更多的问题，再次感谢

BMP 是基本多语言平面

根据JavaScript: The Good Parts：

JavaScript 是在 Unicode 是 16 位字符集的时候构建的，因此 JavaScript 中的所有字符都是 16 位宽。

这让我相信 JavaScript 使用 UCS-2（不是 UTF-16！）并且只能处理 U+FFFF 以内的字符。

进一步的调查证实了这一点：

该fromCharCode方法在返回 Unicode 字符时似乎只使用最低 16 位。尝试获取 U+20001（CJK 统一表意文字 20001）会返回 U+0001。

问题：是否可以在 JavaScript 中处理后 BMP 字符？

2011-07-31：从Unicode Support Shootout: The Good, The Bad, & the (mostly) Ugly 中的第12 张幻灯片很好地涵盖了与此相关的问题：