单独代理(Lone surrogates)

之前翻译《与HTML4 的差异》时遇到的名词,因为当前关于这个词的参考资料还较少,所以就写一点整理。

对unicode熟悉的人应该对代理(surrogates)都不陌生,代理区指的就是在基本多语言平面(Basic Multilingual Plane, BMP)中保留的2048个码位(或称为码点,code point),范围0xD800-0xDFFF,这段空出来的码位被用来代理UTF16的其余16个辅助平面的字符映射。具体可以参见文后的参考资料,特别是北大中文论坛的一篇讨论非常值得一读。

其实我是从来没有想过代理会单独出现,因为按照标准代理必须是成对的,所以自然也没有去想过,如果代理真的单独出现会怎么样,而这反应出的是自己思维的局限。单独代理,在不同的程序里结果也不同,限于能找到的资料有限,也不能武端地得出什么明确的结论。实际上自己还花了一些时间翻阅了unicode的定义,不过对于阐述正确的常态情况的标准而言,要找到异常情况的处理,只能寄希望于标准编者大发慈悲的注释。果然最后没有结果,倒是对unicode本身的理解有了意外收获...囧。

嘛,其实和前端看似有关实则也基本不沾边的,也就是标准2012年3至9月间的这个变更了:

在WebSocket send() 中,单独代理(Lone surrogates) 被转换为 U+FFFD而不是抛出异常

参考资料


评论加载中...

Disqus提供评论支持,如果评论长时间未加载,请飞跃长城。