如何在 API 中表示 Unicode 字符

Question

这更像是一个 MBCS 问题而不是 Unicode 问题。我需要创建一个 API，它返回一个结构列表，每个实例都将一个 Unicode 字符作为其成员之一。这是在 .NET 中，所以你会认为我想要 UTF-16，但是对于亚洲字符，需要两个字符。返回 Unicode 字符时的最佳做法是什么？

1. 使用由 2 个 UTF-16 字符组成的数组 - 测试第一个字符以查看它是否是代理项，计算一下吗？
2. 忽略代理问题，让调用者找出实际的字形编码跨度结构？
3. 改用字符串，这样我才不管它是一两个字符的长度？
4. 使用 UTF-32

人们通常为 UTF-8 做什么？我猜他们从不处理单个字符，并且所有内容都保存在字符串中（例如，在字符串中搜索字符实际上是通过查找子字符串来完成的）。也许是我的 C++ 程序员，但字符串似乎太重了。

我想我会做#3。别人做了什么？

Answer 1

你对使用字符串是正确的。在 Unicode 中，因为即使是单个字符也可能需要多个代码点（每个代码点都会占用一定数量的字节，具体取决于编码），因此您实际上无法处理字符串以外的任何内容。即使像 isUpper 这样的函数也应该接受一个字符串并且只对它的第一个元素起作用。

一个字符可能需要多个代码点的原因通常是因为组合字符、重音等。

看到这个question in the Unicode FAQ。