unicode - Prolog 中基本多语言平面 (BMP) 之外的转义字符

Question

作为引用，我在 Windows 10 64 位上使用 Prolog v7.4.2

在 REPL 中输入以下代码:

write("\U0001D7F6"). % Mathematical Monospace Digit Zero

在输出中给我这个错误:

ERROR: Syntax error: Illegal character code
ERROR: write("
ERROR: ** here **
ERROR: \U0001D7F6") .

我确实知道 U+1D7F6 是有效的 Unicode 字符，那么怎么了？

Answer 1

SWI-Prolog 内部使用 C wchar_t 来表示 Unicode 字符。在 Windows 上，这些是 16 位的，旨在保存 UTF-16 编码的字符串。然而，SWI-Prolog 使用 wchar_t 来获取良好的代码点数组，因此实际上仅支持 Windows 上的 UCS-2(代码点 u0000..uffff)。

在非 Windows 系统上，wchar_t 通常为 32 位，因此支持完整的 Unicode 范围。

处理 wchar_t 时修复起来并不是一件小事，因为 UTF-16 失去了数组的每个元素恰好是一个代码点的良好属性，并且使用我们自己的 32 位类型意味着我们无法使用 C 库宽字符函数，必须在 SWI-Prolog 中重新实现它们。这不仅是工作，而且用纯 C 版本替换它们也会失去现代 C 运行时库中通常存在的优化。