微软声称 wchar_t 可以容纳任何 Unicode 字符 - 这是真的吗？

Question

这个网站上有很多关于 Unicode 和

wchar_t

的问题。我想我已经掌握了这个概念，但后来发现了一些东西，证明如果它是真的，大多数（如果不是全部）答案都是错误的。在此页面上，微软声称one

wchar_t

字符可以容纳anyUnicode字符（强调我的）：

宽字符是 2 字节的多语言字符代码。全球现代计算中使用的任何字符，包括技术符号和特殊出版字符，都可以根据 Unicode 规范表示为宽字符。 由包括 Microsoft 在内的大型联盟开发和维护，Unicode 标准现已广泛使用已接受。
宽字符的类型为 wchar_t。宽字符字符串表示为 wchar_t[] 数组。您使用 wchar_t* 指针指向数组。

由于这个声明是直接来自微软的，所以我现在很担心：

“两字节多语言字符代码”如何容纳已包含大约 150,000 个代码点（字符）的 Unicode 字符集的任何字符？ [ 另外，如果算上私人使用的码点、代理、已经预留的码点等等，会超过 1,000,000 个码点吗？ ]

我希望这个问题不是重复的，因为它的核心是微软本身声明了一些似乎完全错误的东西，我真的很想知道我误解了什么

特别是在我链接的微软页面上。

顺便说一句，还有

这一页与第一页相矛盾，最终说出了真相：

Windows 使用 UTF-16 编码来表示 Unicode 字符，其中每个字符被编码为一个或两个 16 位值。

很明显，我们有时需要

two wchar_t

 字符（4 个字节）来表示 Unicode 代码点。好吧，这在某种程度上是有道理的，但考虑到相互矛盾的文档，我现在完全不确定。

如果有人对这个问题的起源感兴趣：

在我的一个项目中，我有一个字符串，其中某个固定位置的字符必须被另一个字符替换。这会循环发生，并且必须尽快完成。这对于普通的

char[]

 弦来说是理所当然的。但有问题的字符串是 

wchar_t[]

 类型，并且我无法控制替换字符。

根据上述 Microsoft 陈述中哪一个是正确的，这也是理所当然的（如果第一个陈述为真），但如果第二个陈述为真，那就会变得一团糟：我不能只是替换替换字符对应索引处的

wchar_t

 字符，因为原始字符可能是一个 

wchar_t

，而第二个字符可能需要两个 

wchar_t

，反之亦然。

这就是为什么我想知道哪些文档是真实的。

Answer 1

正如评论中所讨论的，我最好的猜测就是那是相当旧的文档。 （不幸的是，这些短语的 GitHub 历史记录不会比 8 年前最初迁移到当前基于 GitHub 的文档系统更早。）

据我推测，微软当时使用的 Unicode 编码是 UCS-2（即 AFAIU、UTF-16，但没有代理对，换句话说，仅限于基本多语言平面的 65,536 个字符）。

在这种情况下，以及对 Unicode 所涵盖内容的适当狭窄（Unicode 2.0 之前）的看法，该文档是正确的。

Answer 2

围绕 Unicode、字符及其编码有很多事情，这使得一切变得令人困惑。

所以，现在 Windows API 是 UTF-16，这种编码是多字节的，因此每个代码点可能有 1 或 2 个 wchar。所以你不能像你指出的那样只用索引替换，因此，最好相信你的问题中的第二个链接。

但是，历史上 UTF-16 源于现已过时的 UCS-2 编码，它是 2 字节固定宽度，每个代码点始终是单个 wchar。该编码在某个时间点（大约在 2000 年之前）被命名为“Unicode”，这就是为什么第一个链接在撰写本文时是正确的，但现在不再正确了。

https://web.archive.org/web/20030818043641/http://www.unicode.org/faq/basic_q.html#23