我应该考虑在Unicode代码点和UTF8 / 16/32之间进行转换或其他什么？

Question

UTF编码有非字符代码，我需要处理这些异常。我知道有很多图书馆这样做，但我想我需要了解基本原则。

将Unicode代码点转换为UTF或UCS编码时，我应该注意什么？我认为每种编码都有不同的规则，但三个应该是一个简单的原则。我想知道。

更新

我发布了这个问题，因为我试图从NSString中提取Unicode代码点（不是UTF-16字符）。 NSString仅支持UTF-16方式API进行字符处理，因此我需要执行额外的处理以获取实际的代码点（这实际上是有意义的）。我的程序应该

1. 正确宣传代理对字符
2. 或禁止他们进行可靠的字符处理。

但问题是我不确定代理对是在UTF-16上唯一需要关注的东西。我认为应该有更多的东西要关心，我想知道。如果可能的话，也可以用于其他编码。当然，只有它足够简单才能处理。如果它非常复杂，我将使用libICU等库。

我知道libICU会给我这些功能，但目前对我来说感觉有点过度工程。如果我知道基本规则（例如，“代理对是唯一需要关注的事情！”），至少禁止不受支持的字符应该非常简单和容易。

Answer 1

NSString上有一个方法

enumerateSubstringsInRange:options:usingBlock:

您可以在其中指定NSStringEnumerationByComposedCharacterSequences作为选项：这将为您提供一系列NSRange值，用于指定组合的Unicode代码点。因此，对于适合单个unichar（即16位）的大多数代码点，NSRange将覆盖NSString中的单个索引，但是例如对于表情符号的Unicode代码点，NSRange将覆盖多个unichars。