如何输入非BMP unicode (大于4个字符的十六进制)作为Mathematica的输入

Question

问题描述： Mathematica使用"\:nnnn"作为unicode输入的语法。例如，如果我们输入"\:6c34"，就会得到"水" (中文中的“水”)。但是，如果一个人想要进入"\:1f618" (脸扔出一个吻)呢？当我尝试这个时，我得到的是"ὡ8"，而不是"a face throwing a kiss"。所以，数学在我进入"8"之前对"8"进行评估。

问题：，我们如何延迟计算，或者如何输入任何unicode输入(对于大于4个字符的十六进制输入)？

软件和硬件平台：--我在英特尔的Mac上运行数学8。我试过命令行版本的Mathematica和Mathematica笔记本，它们的行为都是一样的。

谢谢。

Reflections: Unicode是一个可扩展标准，它可以增长(并且它确实增长：)。实现此标准的软件系统只能实现本标准的一个子集，以便有效和有用(8位、16位或32位编码)。一个人，作为某个软件包的用户，不应该假设一旦软件说它支持unicode，它就支持统一的unicode集。

Answer 1

简短的回答：，你不能这么做，因为数学不支持这些字符。请看帖子的末尾，找出一些解决办法。

只是为了澄清一些事情：

不需要使用32位编码来处理超过65000个Unicode字符.Unicode、UTF-8和乌特夫-16使用的最常见编码是多字节编码，这意味着可以使用可变字节数来表示字符。UTF-16可以使用2或4个字节来表示一个字符。Mathematica内核将将每个2字节序列解释为字符串中的单个字符，有时会导致一些无效字符(当遇到4字节序列时)。这可能被认为是一个bug。前端对于它处理4字节序列的方式很不满意，这绝对是一个错误。

有限公司

当严格在内核中工作时(例如，从文件中读取Unicode数据)，我有时会使用这个函数作为解决办法，以获得2单元(4字节) UTF-16序列的实际Unicode代码点：

toCodePoint[{a_, b_}] /; 16^^d800 <= a <= 16^^dbff && 16^^dc00 <= b <= 16^^dfff := (a - 16^^d800)*2^10 + (b - 16^^dc00) + 16^4

您可以使用

Split[ToCharacterCode[str], If[16^^d800 <= # <= 16^^dbff, True] &]

若要将UTF-16字符串正确拆分为Unicode字符(取决于字符的长度-1或长度-2)，请执行以下操作。

这是一个丑陋而不方便的解决方法，它将不允许您在前端显示这些字符的任何内容，除非您想出一些解决方案，例如从unicode.org导入字形参考图像(至少对于CJK它们有)。

也见

请参阅我先前就同一主题提出的问题：用Mathematica读取UTF-8编码的文本文件

如果你要与中国人合作，你可能也会遇到另一个问题：让Mathematica前端服从FontFamily选项

Answer 2

根据数学8中的此页帮助：

Mathematica supports both 8- and 16-bit raw character encodings.

他们大概是说，他们不支持32位编码，因为需要支持你想要的角色。

作为进一步的证据(在文档中没有明确的声明)，同一页面上支持的编码列表没有32位编码。32位编码显然只支持在MathLink中。我想用户的需求还不够。