Unicode のサロゲートペアとは何か - ひだまりソケットは壊れない

こないだ同僚に Unicode のサロゲートペアについて説明する機会があって、それで Unicode の話をブログ記事に書きたくなったのでサロゲートペアについて書いておこうと思う。 この記事は Unicode Standard version 6.3.0 を見ながら書いた。 文字とコードポイント 抽象文字 (abstract character) を計算機上で扱うためには、符号化する必要がある。 Unicode では、文字の符号化のために使用できる整数の範囲を コード空間 (Codespace; 符号空間) と呼んでいる。 0 から 0x10FFFF がその範囲である。 そして、その空間に属する値を コードポイント (Code Point; 符号位置) と呼ぶ。 次の図は、抽象的な 「Å」 という文字と、対応する 符号化文字 (Encoded Character) を表現するコードポイント

[michael-unltd]

“サロゲートペア”

[pirosikick]

わかりやすいー

[yasuharu519]

すげーわかりやすい

[nishidy]

Unicodeに割り当てられていない0xD800〜0xDFFFの二つのコードポイントを用いて表すUTF-16(符号化の単位が16bit)の符号化文字

[hitode909]

“こないだ同僚に Unicode のサロゲートペアについて説明する機会があって、”