代码点与代码单元

代码点可理解为字符。一个代码点就是一个字符

代码单元：不同编码，代码单元长度不一样。

• UTF-8 中的代码单元由 8 位组成。
• UTF-16 中的代码单元由 16 位组成。
• UTF-32 中的代码单元由 32 位组成。
• GB18030 中的代码单元由 8 位组成。

• UTF-8

  在 UTF-8 中，因为代码单元较小的缘故，每个代码点常常被映射到多个代码单元。代码点将被映射到一个、两个、三个或四个代码单元。

• UTF-16

  UTF-16 的代码单元大小是 8 位代码单元的两倍。所以，标量值小于 U+10000 的代码点被编码到单个代码单元中。

  对于标量值大于或等于 U+10000 的代码点，每个代码点需要两个代码单元。在 UTF-16 中，这些代码单元对有一个独特的术语：“Unicode 代理对”。

  
  

• 注意

  下面对 Unicode 代理对的支持进行了讨论。

• UTF-32

  UTF-32 中使用的 32 位代码单元足够大，每个代码点都可编码为单个代码单元。

• GB18030

  在 GB18030 中，因为代码单元较小的缘故，每个代码点常常被映射到多个代码单元。代码点将被映射到一个、两个或四个代码单元。

java 采用utf-16编码，因此，通常一个代码点是一个代码单元，但有些辅助字符是2个代码单元。

在.NET里面，通常是用字节来衡量字符长度，但java是用代码单元。