使用Java语言进行Unicode代理编程

早期 Java 版本使用 16 位 char 数据类型表示 Unicode 字符。这种设计方 法有时比较合理，因为所有 Unicode 字符拥有的值都小于 65,535 (0xFFFF)， 可以通过 16 位表示。但是，Unicode 后来将最大值增加到 1,114,111 (0x10FFFF)。由于 16 位太小，不能表示 Unicode version 3.1 中的所有 Unicode 字符，32 位值 — 称为码位（code point） — 被用于 UTF-32 编码模式。

但与 32 位值相比，16 位值的内存使用效率更高， 因此 Unicode 引入了一个种新设计方法来允许继续使用 16 位值。UTF-16 中采 用的这种设计方法分配 1,024 值给 16 位高代理（high surrogate），将另外 的 1,024 值分配给 16 位低代理（low surrogate）。它使用一个高代理加上一 个低代理 — 一个代理对（surrogate pair） — 来表示 65,536 (0x10000) 和 1,114,111 (0x10FFFF) 之间的 1,048,576 (0x100000) 值 （1,024 和 1,024 的乘积）。

Java 1.5 保留了 char 类型的行为来表 示 UTF-16 值（以便兼容现有程序），它实现了码位的概念来表示 UTF-32 值。这个扩展（根据 JSR 204：Unicode Supplementary Character Support 实现） 不需要记住 Unicode 码位或转换算法的准确值 — 但理解代理 API 的正 确用法很重要。