标签：

介绍

历史上有两个独立创立单一字符集的尝试，分别为国际标准化组织(ISO) 的 ISO 10646 项目和Unicode项目，后来两个项目进行了合并、协同工作，但仍保持独立公布各自字符集标准。

国际标准 ISO 10646定义的通用字符集，称为UCS，包括UCS-2和UCS-4两种格式，对应2字节和4字节，UCS-4只是简单追加高位部分而已。

UCS-2格式用于记录基本多语言平面（BMP）的字符编码（Code Point），长度固定为16位，范围为U+0000～U+FFFF，对应于* UTF-16。

UCS-4在UCS-2基础上，追加记录不常用的Supplementary Characters（增补字符），如象形文字等，用于历史科研等领域，长度为32位，当前有效范围为U+000000～U+10FFFF，对应于UTF-32编码。

目前Unicode保持与 ISO 10646 标准的同步兼容，编码空间为U+000000～U+10FFFF（与 ISO 10646 协议后的结果）。

UTF-16是变长表示，使用1-2个16位长码元进行表示，因此可通过组合表示完整的Unicode编码空间，但不兼容ASCII编码（单字节）。

UTF-16使用一个16位码元表示U+0000～U+FFFF区间时，称为基本多语言平面BMP，与UCS-2编码一致，大部分常用字符都在此区间内。

UTF-16使用两个16位码元表示U+10000～U+10FFFF区间时，称为辅助平面，用于记录增补字符。

因此UTF-16实际为UCS-2的超集，但不等同于UCS-4。

Java使用UTF-16表示char字符，使用Unicode形式表示增补字符时，需使用UTF-16组合形式表示，如：\uDBFF\uDFFF 表示 U+10FFFF

也可使用面向Code Point的API构造，如：

new StringBuilder().appendCodePoint(0x10FFFF).toString();

正则表达式Unicode支持

Swift：

使用NSRegularExpression类，\uxxxx 用于2字节的BMP表示， \Uxxxxoooo用于4字节的全域表示，上限为\U0010FFFF

参考：http://userguide.icu-project.org/strings/regexp

Android：

使用Pattern类，\uxxxx 用于2字节的BMP表示，增补字符部分使用UTF-16组合表示，如：\uDBFF\uDFFF表示U+10FFFF

参考：http://www.oracle.com/us/technologies/java/supplementary-142654.html

Unicode 正则表达式标准手册

http://www.unicode.org/reports/tr18/

Unicode

标签：

原文地址：http://www.cnblogs.com/wavky/p/Unicode.html