Emacs 23 使用的字符集是 Unicode 的四倍——为啥？

Posted 2023-02-22

【中文标题】Emacs 23 使用的字符集是 Unicode 的四倍——为啥？

【英文标题】：Emacs 23 uses character set four times larger than Unicode - why?Emacs 23 使用的字符集是 Unicode 的四倍——为什么？

【发布时间】：2009-11-04 14:49:21

【问题描述】：

来自 Emacs 23.1 NEWS：

*** Emacs 字符集现在是 Unicode 的超集。 （它大约有 四倍的代码空间，其中 应该很多）。

稍后会详细介绍：

*** 在多字节缓冲区和字符串中，字符由 UTF-8 表示 字节序列。字符代码 空间现在是 0x0..0x3FFFFF 没有 差距;代码点 0x0..0x10FFFF 是 相同代码的 Unicode 字符 点，而代码点 0x3FFF80..0x3FFFFF 是原始的 8 位 字节。

根据***，UCS 的BMP 有65536 个字符，最新版本的Unicode 包含超过107000 个字符，UCS 有超过一百万个代码点。 0x3FFFFF 超过四百万。

可以解决哪些问题，或者拥有作为 Unicode 超集的内部字符集有什么好处？

【参考方案1】：

Unicode 旨在包含所有人类语言所需的字符集，这对于代码的全球化/本地化当然很有用，但由于 Emacs 本身就是众神的工具，它还必须包含所有可能出现的字符被各种神祇使用（包括但不限于古圣的可怕符文）、航天种族（包括但不限于我们未来的外星霸主）、超智能机器智能（包括但不限于我们的未来的机器人大师）和其他所有渴望无限宇宙力量的存在。这可能是一大堆字符！

或者它可能与 UTF-8 是一种编码字符的方式有关，它的空间比 Unicode 集和 Emacs 只支持整个 UTF-8 占用的空间大得多，但我更喜欢我上面的解释。

【讨论】：

UTF-8 是 Unicode 字符集的编码。两者都不是另一个的子集/超集。

请注意，Unicode 是一个字符集，而 UTF-8 是 Unicode 字符集的字节编码（即，UTF-8 是一种表示 Unicode 字符集中任何“抽象字符”序列的方法作为字节序列）。

已编辑以与上面的 cmets 更紧密地结合在一起。谢谢你的解释。