Unicode是否具有已定义的最大代码点数？

Question

我已阅读了很多文章，以了解Unicode代码点的最大数量，但我没有找到最终答案。

据我所知，Unicode代码点被最小化，使得所有UTF-8 UTF-16和UTF-32编码都能够处理相同数量的代码点。但是这个代码点的数量是多少？

我遇到的最常见的答案是Unicode代码点在0x000000到0x10FFFF（1,114,112代码点）的范围内，但我还在其他地方读过它是1,112,114个代码点。那么要给出一个数字还是比这更复杂的问题？

Answer 1

Unicode中的最大有效代码点是U + 10FFFF，这使它成为一个21位代码集（但并非所有21位整数都是有效的Unicode代码点;特别是0x110000到0x1FFFFF的值不是有效的Unicode代码点）。

这是数字1,114,112来自：U + 0000 .. U + 10FFFF是1,114,112个值。

但是，还有一组代码点是UTF-16的代理。它们在U + D800 .. U + DFFF范围内。这是为UTF-16保留的2048个代码点。

1,114,112 - 2,048 = 1,112,064

还有66个非角色。这些部分在Corrigendum #9中定义：形式为U + nFFFE和U + nFFFF的34个值（其中 n 是值0x00000,0x10000，... 0xF0000,0x100000）和32个值U + FDD0 - U + FDEF。减去这些也会产生1,111,998个可分配字符。有三个范围保留用于＆＃39;私人使用＆＃39;：U + E000 .. U + F8FF，U + F0000 .. U + FFFFD，以及U + 100000 .. U + 10FFFD。实际分配的值的数量取决于您正在查看的Unicode版本。您可以在Unicode Consortium找到有关最新版本的信息。除此之外，那里的介绍说：

  

Unicode标准版本7.0包含112,956个字符

因此，只分配了大约10％的可用代码点。

我无法解释您为什么找到1,112,114作为代码点的数量。

顺便提一下，选择上限U + 10FFFF，以便Unicode中的所有值都可以用UTF-16中的一个或两个2字节编码单位表示，使用一个高代理项和一个低代理项来表示BMP或基本多语言平面，范围为U + 0000 .. U + FFFF。

Answer 2

是的，所有无法用UTF-16表示的代码点（包括使用代理）都被宣布无效。

U + 10FFD似乎是最高的代码点，但代理，u + 00FFFE和u + 00FFFF不是可用的代码点，所以总计数稍低。

Answer 3

我制作了一个非常小的例程，在屏幕上打印一个非常长的表，从0到n值，其中var start是一个可由用户自定义的数字。这是片段：

function getVal()
			{
				var start = parseInt(document.getElementById('start').value);
				var range = parseInt(document.getElementById('range').value);
				var end = start + range;
				return [start, range, end];
			}

		
			function next()
			{
				var values = getVal();
				document.getElementById('start').value = values[2];
				document.getElementById('ok').click();
			}
			
			function prev()
			{
				var values = getVal();
				document.getElementById('start').value = values[0] - values[1];
				document.getElementById('ok').click();
			}
			
			function renderCharCodeTable()
			{
				var values = getVal();
				var start = values[0];
				var end = values[2];

				const MINSTART = 0; // Allowed range
				const MAXEND = 4294967294; // Allowed range
				
				start = start < MINSTART ? MINSTART : start;
				end = end < MINSTART ? (MINSTART + 1) : end;

				start = start > MAXEND ? (MAXEND - 1) : start;
				end = end >= MAXEND ? (MAXEND + 1) : end;
				
				var tr = [];
				
				var unicodeCharSet = document.getElementById('unicodeCharSet');

				var cCode;
				var cPoint;
				for (var c = start; c < end; c++)
				{
					try
					{
						cCode = String.fromCharCode(c);
					}
					catch (e)
					{
						cCode = 'fromCharCode max val exceeded';
					}
					
					try
					{
						cPoint = String.fromCodePoint(c);
					}
					catch (e)
					{
						cPoint = 'fromCodePoint max val exceeded';
					}
					
					tr[c] = '<tr><td>' + c + '</td><td>' + cCode + '</td><td>' + cPoint + '</td></tr>'
				}
				unicodeCharSet.innerHTML = tr.join('');
			}
			
			function startRender()
			{
				setTimeout(renderCharCodeTable, 100);
				console.time('renderCharCodeTable');
			}
			unicodeCharSet.addEventListener("load",startRender());

body
		{
			margin-bottom: 50%;
		}
		
		form
		{
			position: fixed;
		}
		
		table *
		{
			border: 1px solid black;
			font-size: 1em;
			text-align: center;
		}
		
		table
		{
			margin: auto;
			border-collapse: collapse;
		}
		
		td:hover
		{
			padding-bottom: 1.5em;
			padding-top: 1.5em;
		}
		
		tbody > tr:hover
		{
			font-size: 5em;
		}

	
	<form>
		Start Unicode: <input type="number" id="start" value="0" onchange="renderCharCodeTable()" min="0" max="4294967300" title="Set a number from 0 to 4294967294" >
		<p></p>
		Show <input type="number" id="range" value="30" onchange="renderCharCodeTable()" min="1" max="1000" title="Range to show. Insert a value from 10 to 1000" > symbols at once.
		<p></p>
		<input type="button" id="pr" value="◄◄" onclick="prev()" title="Mostra precedenti" >
		<input type="button" id="nx" value="►►" onclick="next()" title="Mostra successivi" >
		<input type="button" id="ok" value="OK" onclick="startRender()" title="Ok" >
		<input type="reset" id="rst" value="X" onclick="startRender()" title="Reset" >
		
	</form>
	<table>
		<thead>
			<tr>
				<th>CODE</th>
				<th>Symbol fromCharCode</th>
				<th>Symbol fromCodePoint</th>
			</tr>
		</thead>
		<tbody id="unicodeCharSet">
			<tr><td colspan="2">Rendering...</td></tr>
		</tbody>
	</table>

第一次运行它，然后打开代码并将start变量的值设置为一个非常高的数字，只比MAXEND常数值略低一点。以下是我获得的内容：

    code        equivalent symbol
{~~~ first execution output example ~~~~~}

0   
1   
2   
3   
4   
5   
6   
7   
8   
9   
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20  
21  
22  
23  
24  
25  
26  
27  
28  
29  
30  
31  
32  
33  !
34  "
35  #
36  $
37  %
38  &
39  '
40  (
41  )
42  *
43  +
44  ,
45  -
46  .
47  /
48  0
49  1
50  2
51  3
52  4
53  5
54  6
55  7
56  8
57  9
{~~~ second execution output example ~~~~~}
4294967275  ￫
4294967276  ￬
4294967277  ￭
4294967278  ￮
4294967279  ￯
4294967280  ￰
4294967281  ￱
4294967282  ￲
4294967283  ￳
4294967284  ￴
4294967285  ￵
4294967286  ￶
4294967287  ￷
4294967288  ￸
4294967289  
4294967290  
4294967291  
4294967292  
4294967293  �
4294967294  

当然输出被截断（在第一次和第二次执行之间），因为它太长了。

在4294967294（= 2 ^ 32）之后，函数不可避免地停止，因此我认为它已达到其最大可能值：所以我将其解释为unicode char代码表的最大可能值。当然，正如其他答案所说的那样，并非所有的char代码都具有等效符号，但通常它们是空的，如示例所示。还有很多符号在0到4294967294个字符代码之间的不同点重复多次

编辑：改进

（谢谢@duskwuff）

现在也可以比较 String.fromCharCode 和 String.fromCodePoint 行为。请注意，第一个语句到达4294967294，但输出每65536（16位= 2 ^ 16）重复。最后一个停止在代码1114111处工作（导致unicode字符列表和符号从0开始，我们总共有1,114,112个Unicode代码点，但正如在其他答案中所说的那样，并非它们都是有效的，因为它们是空点） 。还要记住，要使用某个unicode char，你需要有一个合适的字体，其中定义了相应的char。如果不是，您将显示一个空的unicode char或一个空的方形字符。

注意：

我注意到在某些使用适用于Android的Chrome浏览器的Android系统中，js String.fromCodePoint会为所有代码点返回错误。