16 位 wchar_t 类型的最大代码点是多少？

Question

据说hereUTF-16的最大码位是10FFFF

也写在那个页面上

BMP 字符需要一个 16 位代码单元来处理或存储。

但在位表示中10FFFF 是

0001 0000   1111 1111   1111 1111

我们看到它占用了16位wchar_t的15位以上 （允许实现仅支持具有 >=0 值的宽字符，与 wchar_t 的符号无关）

对于 16 位 wchar_t，真正最大的代码点是多少？

Answer 1

这里说UTF-16的最大码位是10FFFF

是的，但是您误解了从中绘制该表格的表格。

U+10FFFF 是最大的 Unicode code point 值。 UTF-16 本身不是 Unicode，它是使用 16 位代码单元 对 Unicode 代码点进行编码（就像 UTF-8 是一种编码 em> 使用 8 位代码单元）。正如您所说，16 位不足以表示 Unicode 代码点值的全部范围。 Unicode 码点 U+0000 - U+FFFF 的 UTF-16 编码只需要 1 个码位，而码点 U+10000 - U+10FFFF 的编码则需要 2 个码位共同作用，称为“代理对”。 UTF-16 是 UCS-2 的继承者，UCS-2 是 Unicode 的原始 16 位编码，但它只能编码代码点 U+0000 - U+FFFF。 UTF-16 向后兼容 UCS-2，但添加代理项对允许 UTF-16 支持全部范围的 Unicode 代码点。

UTF-16 的设计目的是为该目的保留可以形成代理对的代码单元值。它们不能被误解为常规字符，即使它们看起来不成对（因此必须是无效的代码序列）。

另请注意，尽管很常见，但 C 实现将 UTF-16（或 UTF-8）称为“字符集”有点滥用，因为它们的代码单元并不都对应 1-1带有 Unicode 字符。或者，至少它们对应的字符必须被解释为它们是的代码单元。这是解决有效表示大范围字符问题的实用方法。

也写在那个页面上

BMP 字符需要一个 16 位代码单元来处理或存储。

这也是事实。您显然忽略了 BMP（基本多语言平面，代码点 U+0000 - U+FFFF）字符是所有 Unicode 字符的子集这一事实。实际上，它们的 1/17 或更少，这取决于您如何计算。它们的代码点值都可以用 16 位表示（即在一个 UTF-16 代码单元中）这一事实实际上可以被视为该子集的定义。

我们看到它占用了超过 15 位的 16 位 wchar_t（一个 允许实现支持具有 >=0 值的宽字符 仅，与 wchar_t 的符号无关）

不，正如我们在对one of your other recent questions 的回答中所述。该标准对 C 实现没有任何限制，只支持非负代码点值。这只是所有当前广泛使用的编码字符集的代码点分配的de facto 状态。在其上签名 wchar_t 的符合 C 实现可以提供一个字符集，其中一些扩展字符具有对应的负 wchar_t 值。

16 位 wchar_t 的真正最大代码点是多少？

这与上述任何内容都无关。事实上，它没有多大意义。代码点值是（编码的）字符集的特征，而不是任何 C 数据类型的特征。它们是与该集合支持的字符相对应的数字。

如果 C 实现声称提供 UTF-16 作为支持的字符集，那么它的 wchar_t 必须至少有 16 个值位，因为该类型必须能够表示所有 UTF-16 代码单元值.如果该类型总共只有 16 位，那么它们都必须是值位，这使得该类型必须是无符号的，并且能够支持高达 0xFFFF 的值。