65、Unicode压缩方法解析

Unicode压缩方法解析

一、引言

随着计算机技术的发展，早期的ASCII码已无法满足现代计算的需求。自1991年起，Unicode联盟提出并设计了新的字符编码方案，以适应现代硬件和软件的要求。本文将详细介绍两种Unicode压缩方法：SCSU和BOCU - 1。

二、Unicode标准概述

1. 代码点与名称
   Unicode标准为每个字符（代码元素）分配一个称为代码点的数字，代码点以十六进制列出并以“U +”开头。例如，代码点U + 0041代表字符“A”，同时每个代码元素还有一个唯一的名称，如U + 0041的名称是“LATIN CAPITAL LETTER A”。
2. 代码分组
   相关字符被归为一个脚本，它们被分配连续的代码，形成Unicode的一个连续区域。大多数Unicode代码点是16位（2字节）数字，共有64K（65,536）个这样的代码，但Unicode保留了2048个16位代码以扩展到32位代码。常用字符大多位于基本多语言平面（BMP），BMP中有约6700个未分配的代码点用于未来扩展，代码空间的其他区域还有超过870,000个未使用的补充代码点。
3. 代码空间布局
   Unicode从128个ASCII代码U + 0000到U + 007F开始，接着是希腊文、西里尔文、希伯来文、阿拉伯文、印度文等脚本，然后是符号、标点、变音符号、数学符号等。代码空间还包括平假名、片假名、注音符号等，最后是统一的汉字表意文字和现代韩语字母。BMP的末尾有一段保留用于私人使用的代码点，以及一