NSString 和 unichar 在 Unicode 方面不太匹配答案

【问题标题】：NSString and unichar don't match well when it comes to UnicodeNSString 和 unichar 在 Unicode 方面不太匹配
【发布时间】：2012-06-13 19:46:13
【问题描述】：

Apple 的 documentation 声明

字符串对象被实现为 Unicode 字符数组

但是，unichar 数据类型的大小（在幕后很可能是unsigned short）只有 16 位，这导致无法用unichar 表示每个 Unicode 字符。我如何在脑海中调和这两个事实？

【问题讨论】：

也许你应该解释一下为什么你认为这是不可能的。
大多数时候，NSString 使用底层 UTF-8 字符串，而不是 UTF-16，除非您特别使用 UTF-16 创建它。

标签： objective-c string unicode character-encoding

【解决方案1】：

不确定字符串是否由unichar 数据类型表示。 “一个字符串对象被实现为一个 Unicode 字符数组”并不意味着它在源代码中存储为unichar *。你不知道它是如何实现的，是吗？
如果unichar 不是一个无符号短呢？如果它是 32 位或 64 位数据类型怎么办？

【讨论】：

Unicode 字符的大小是不是有点奇怪……比如 20 位或类似的东西？（实际上是留下一些尾随零）
没有。 UTF8 是 8 位或 16 位或 24 位或 32 位； UTF-16 是 16 位的； UTF-32 是 32 位的。
亲自查看sizeof(unichar) 评估的数字或查看此 SO 问题：stackoverflow.com/questions/1092695/objective-c-unichar-vs-char
好吧——在大多数系统上，它可能是一个无符号短。但它是特定于实现的，你必须不坚持它。
@H2CO3 好吧，UTF 只是一组编码。所有 unicode 字符（是的，我也包括表情符号）实际上需要 21 位才能适应。

【解决方案2】：

您是正确的，Apple 的文档错误地引用了 Unicode 字符，而它实际上是指 UTF-16 代码点。

在 Unicode 的早期，人们希望它不会超过 16 位，但它确实做到了。 Apple 和 Microsoft（可能还有其他公司）都使用 16 位整数来表示“Unicode 字符”，即使某些字符必须由代理对表示。

NSString 的各种方法处理这种情况（加上组合字符）并返回给定字符的范围。例如。 -rangeOfCharacterFromSet:... 和 -rangeOfComposedCharacterSequences...。

【讨论】：

那么，这是否意味着文档对 Unicode 过于自信，而 NSString 的实现目前在内部（最多）使用 UTF-16 编码，因此无法包含埃及象形文字？跨度>
嗯？是什么让你认为 UTF-16 不能代表所有的 Unicode？span>
你是对的，它可以 :*) 但猜猜我在想的是，人们需要使用 unichar 以外的其他东西来存储 Unicode 的 BMP 中的字符以提供 NSString对吧？
您需要使用unichars 的序列（即数组），就像+[NSString stringWithCharacters:length:] 或-[NSString initWithCharacters:length:] 接受的一样。或者，当然，您可以在NSData 的数组中使用给定编码的字节序列-initWithBytes:length:encoding: 或-initWithData:encoding:。
@ken - 认为文档在哪里不正确？我没看到。