代码点和代码单元的关系

若要了解 Crystal Reports for Visual Studio 支持 GB18030 和 Unicode 的方式，则有必要了解代码点和代码单元的关系。

代码点和代码单元

在每种编码形式中，代码点被映射到一个或多个代码单元。

注意
有关代码点的概述，请参见上一节“字符视图”。

“代码单元”是各个编码形式中的单个单元。代码单元的大小等效于特定编码的位数测量单位：

• UTF-8 中的代码单元由 8 位组成。
• UTF-16 中的代码单元由 16 位组成。
• UTF-32 中的代码单元由 32 位组成。
• GB18030 中的代码单元由 8 位组成。

每个代码点中的代码单元数

映射到代码点所需的代码单元数根据编码形式而有所不同：

• UTF-8

  在 UTF-8 中，因为代码单元较小的缘故，每个代码点常常被映射到多个代码单元。代码点将被映射到一个、两个、三个或四个代码单元。

• UTF-16

  UTF-16 的代码单元大小是 8 位代码单元的两倍。所以，标量值小于 U+10000 的代码点被编码到单个代码单元中。

  对于标量值大于或等于 U+10000 的代码点，每个代码点需要两个代码单元。在 UTF-16 中，这些代码单元对有一个独特的术语：“Unicode 代理对”。

  注意
  下面对 Unicode 代理对的支持进行了讨论。

• UTF-32

  UTF-32 中使用的 32 位代码单元足够大，每个代码点都可编码为单个代码单元。

• GB18030

  在 GB18030 中，因为代码单元较小的缘故，每个代码点常常被映射到多个代码单元。代码点将被映射到一个、两个或四个代码单元。

对 Unicode 代理对的支持

某些受 Unicode 支持的文字包含代码点的标量值大于或等于 U+10000 的字符。在 UTF-16 中，通过使用代理对来对这些代码点进行编码。

正确处理 Unicode 代理对非常重要。例如，当在使用 UTF-16 编码的应用程序中处理文本时，如果要添加、删除或选择字符以进行剪切、复制或粘贴操作，文本光标必须将每个代码点作为单个文本字符导航。