Visual可以将U+20000 Unicode作为char处理吗？多么?

Question

有些Unicode代码有多个字节，视觉工作室能处理这些字符吗？多么?

下面是CJK的http://www.unicode.org发行版。现在，一个字符可以是多个字节。

• 统一表意文字扩展B (U+20000通过U+2A6D6)
• 统一表意文字扩展C (U+2A700通过U+2B734)
• 统一表意文字扩展D (U+2B740通过U+2B81D)
• CJK兼容性表意文字补充(U+2F800通过U+2FA1D)

下面的语句在Visual 2012上失败：

char ch = '\u2A6D6';

我还没有尝试使用2013 / 2015。

Answer 1

这个代码点不适合一个字符，因为char只有16位，因此只支持高达65535的代码点。在基本的多语言平面(BMP)以外的字符可以被编码成两个UTF-16代码单位在一个字符串使用代理对。

char.ConvertFromUtf32(0x2A6D6)返回一个包含两个char的字符串，"\uD869\uDED6"

代码将U+10000指向U+10FFFF 来自其他平面的编码点(称为辅助平面)是由称为代理对的16位代码对在UTF-16中编码的，其编码方案如下：

• 从代码点减去0x010000，在0..0x0FFFFF范围内留下一个20位数字。
• 将前十位(在0.0x03FF范围内的一个数字)添加到0xD 800中，以给出第一个代码单元或引线代理项，它将位于0xD 800.0xDBFF范围内。( Unicode标准的早期版本将这些称为高级代理。)
• 将低10位(也在0.0x03FF范围内)添加到0xDC00中，以给出第二个代码单元或跟踪代理，它将位于0xDC00.0xDFFF范围内。( Unicode标准的早期版本将这些称为低代理。)

来自http://en.wikipedia.org/wiki/UTF-16#Code_points_U.2B10000_to_U.2B10FFFF

Answer 2

应该能够很好地处理它们。但是，您的代码在C#中是不合法的。正如@CodesInChaos所提到的，char在.NET中是UTF-16代码单元，而不是Unicode代码点。\uxxxx转义序列只允许4个十六进制数字(2个字节)。在C#中，通常对0xFFFF以上的代码点使用\Uxxxxxxxx转义，但请注意，此转义序列被转换为两个代理UTF-16代码单元(即两个.NET char)，因此不能将它们分配给char数据类型。如果您需要使用char，就必须按照@CodesInChaos的建议使用代理程序，但否则通常会执行以下操作：

string s = "\U0002A6D6";

附带注意:我不会将扩展称为最近的2字节，而是发生了差不多20年前。