由emoji字符编码而来

Unicode由21位表示，编码空间分为17个面板，每个面板都是256x256的矩阵，含有65536个码点。
unicode为000000-00FFFF的码点转换为utf-8编码格式可由三个或三个以下的字节表示，它们全部属于第0面板。
而010000-10FFFF的码点在utf-8中需要四个字节来存储，这部分码点的Unicode用第0面板中的(utf-16)代理区域来表示，例如😀(d83d(前导)-de00(后尾))，当中0xD800-0xDBFF是前导代理(lead surrogates)，0xDC00-0xDFFF是后尾代理(trail surrogates).通过公式 $0x10000 + (前导-0xD800) * 0x400 + (后导-0xDC00) = utf-16编码$ 来转换。这样的好处是通过查看字符第一个字节的数值，便可以判断该字符用多少的字节存储。例如可以利用正则[\ud800\udc00-\udbff\udfff]来过滤emoji字符。

最后编辑于：2019.05.08 14:01:14

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。