UTF-8 中的代理字符是什么？
What are surrogate characters in UTF-8?
我有一个奇怪的验证程序，用于验证 utf-8 字符串是否为有效主机名（PHP 中的 Zend Framework 主机名验证器）。它允许 IDN（国际化域名）。它将每个子域与由其十六进制字节表示定义的字符集进行比较。两个这样的集合是 D800-DB7F 和 DC00-DFFF。 Php 正则表达式比较函数 preg_match 在这些比较过程中失败，它表示此函数中不允许使用 DC00-DFFF 个字符。从维基百科我了解到这些字节在 UTF-8 中被称为代理字符。 thay 是什么，它们实际上对应于哪些字符？看了好几处还是不明白是什么
What are surrogate characters in UTF-8?
这几乎就像一个技巧问题。
近似答案 #1：4 个字节（如果配对并以 UTF-8 编码）。
近似答案 #2：无效（如果未配对）。
近似答案 #3：它不是 UTF-8；它是 修改后的 UTF-8。
概要：该术语不适用于 UTF-8。
Unicode 代码点的范围需要 21 位数据。
UTF-16 编码单元是 16 位。 UTF-16 将一些 Unicode 代码点范围编码为一个代码单元，将其他代码点编码为成对的两个代码单元，第一个来自 "high" 范围，第二个来自 "low" 范围。 Unicode 将匹配高低对范围的代码点保留为无效。他们有时被称为代理人，但他们不是角色。它们本身没有任何意义。
UTF-8编码单元是8位。 UTF-8 将几个不同范围的代码点分别编码为一到四个代码单元。
#1 恰好UTF-16编码为2个16位编码单元，UTF-8编码为4个8位编码单元，反之亦然。
#2 可以对无效码点应用UTF-8编码算法，无效。它们无法解码为有效的代码点。合规的 reader 会抛出异常或抛出字节并插入替换字符 (�)。
#3 Java 提供了一种使用称为 JNI 的系统在外部代码中实现功能的方法。 Java String API 提供对作为 UTF-16 代码单元的 String 和 char 的访问。在 JNI 的某些地方，大概是为了方便起见，字符串值是 修改后的 UTF-8。修改后的 UTF-8 是应用于 UTF-16 代码单元而不是 Unicode 代码点的 UTF-8 编码算法。
无论如何，字符编码的基本规则是使用用于写入的编码读取。如果要将任何字节序列视为文本，则必须知道编码；否则，您将丢失数据。
我有一个奇怪的验证程序，用于验证 utf-8 字符串是否为有效主机名（PHP 中的 Zend Framework 主机名验证器）。它允许 IDN（国际化域名）。它将每个子域与由其十六进制字节表示定义的字符集进行比较。两个这样的集合是 D800-DB7F 和 DC00-DFFF。 Php 正则表达式比较函数 preg_match 在这些比较过程中失败，它表示此函数中不允许使用 DC00-DFFF 个字符。从维基百科我了解到这些字节在 UTF-8 中被称为代理字符。 thay 是什么，它们实际上对应于哪些字符？看了好几处还是不明白是什么
What are surrogate characters in UTF-8?
这几乎就像一个技巧问题。
近似答案 #1：4 个字节（如果配对并以 UTF-8 编码）。
近似答案 #2：无效（如果未配对）。
近似答案 #3：它不是 UTF-8；它是 修改后的 UTF-8。
概要：该术语不适用于 UTF-8。
Unicode 代码点的范围需要 21 位数据。
UTF-16 编码单元是 16 位。 UTF-16 将一些 Unicode 代码点范围编码为一个代码单元，将其他代码点编码为成对的两个代码单元，第一个来自 "high" 范围，第二个来自 "low" 范围。 Unicode 将匹配高低对范围的代码点保留为无效。他们有时被称为代理人，但他们不是角色。它们本身没有任何意义。
UTF-8编码单元是8位。 UTF-8 将几个不同范围的代码点分别编码为一到四个代码单元。
#1 恰好UTF-16编码为2个16位编码单元，UTF-8编码为4个8位编码单元，反之亦然。
#2 可以对无效码点应用UTF-8编码算法，无效。它们无法解码为有效的代码点。合规的 reader 会抛出异常或抛出字节并插入替换字符 (�)。
#3 Java 提供了一种使用称为 JNI 的系统在外部代码中实现功能的方法。 Java String API 提供对作为 UTF-16 代码单元的 String 和 char 的访问。在 JNI 的某些地方，大概是为了方便起见，字符串值是 修改后的 UTF-8。修改后的 UTF-8 是应用于 UTF-16 代码单元而不是 Unicode 代码点的 UTF-8 编码算法。
无论如何，字符编码的基本规则是使用用于写入的编码读取。如果要将任何字节序列视为文本，则必须知道编码；否则，您将丢失数据。