Unicode Consortium是否打算使UTF-16用完字符？

Question

当前版本的UTF-16只能编码1,112,064个不同的数字（代码点）; 0x0-0x10FFFF。

Unicode Consortium是否打算使UTF-16用完字符？

即。制作代码点＆gt; 0x10FFFF

如果没有，为什么有人会为utf-8解析器编写代码以便能够接受5或6字节序列？因为它会为他们的功能添加不必要的指令。

不足1,112,064，我们真的需要更多字符吗？我的意思是：我们多快用完了？

Answer 1

截至2011年we have consumed 109,449 characters AND set aside for application use(6,400+131,068)：

为超过860,000个未使用的字符留出空间;足够CJK extension E（~10,000个字符）和85个以上的集合;因此，如果与Ferengi culture联系，我们应该做好准备。

2003年11月，IETF限制UTF-8以U + 10FFFF与RFC 3629结束，以匹配UTF-16字符编码的约束：UTF-8解析器不应该接受溢出utf-16集的5或6字节序列，或4字节序列中大于0x10FFFF的字符

如果超过CJK extension E（~10,000个字符）的大小的1/3，请在此处列出对unicode代码点限制大小构成威胁的编辑列表集：

• CJK extension E（~10,000个字符）
• Ferengi culture characters（约5,000个字符）

Answer 2

目前，Unicode标准没有定义U + 10FFFF以上的任何字符，因此您可以编写应用程序以拒绝该点以上的字符。

预测未来很难，但我认为这种策略在短期内是安全的。老实说，即使Unicode在遥远的未来延伸超过U + 10FFFF，它几乎肯定不会用于任务关键字形。您的应用可能与2063年推出的新Ferengi字体不兼容，但您可以在实际出现问题时随时修复它。

Answer 3

切入追逐：

编码系统确实只支持高达U + 10FFFF

的代码点

似乎很快就没有任何真正的失控风险。

Answer 4

除了支持实际使用它们的任何遗留系统之外，没有理由编写支持5-6字节序列的UTF-8解析器。当前的官方UTF-8规范不支持5-6字节序列，以适应与UTF-16的100％无损转换。如果Unicode必须支持U+10FFFF以上的新代码点，那么将有足够的时间为更高的位数设计新的编码格式。或者可能在发生这种情况的时候，内存和计算能力足以让每个人只需切换到UTF-32就可以处理超过40亿个字符的U+FFFFFFFF。