- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我一直在研究字符串编码方案,在研究 UTF-16 的工作原理时,我有一个问题。为什么使用复杂的代理对来表示 21 位代码点?为什么不简单地将位存储在第一个代码单元中,而将剩余位存储在第二个代码单元中?我错过了什么吗!像我们在 UTF-8 中那样直接存储位有问题吗?
我想的例子:
字符'🙃'
对应码位:128579(十进制)
二进制形式:1 1111 0110 0100 0011
(17位)
它是 17 位代码点。
基于UTF-8方案,会表示为:
240 : 11110 000
159 : 10 011111
153 : 10 011001
131 : 10 000011
在 UTF-16 中,为什么不这样做,而不是使用代理对:
49159 : 110 0 0000 0000 0111
30275 : 01 11 0110 0100 0011
最佳答案
我认为您提出了一种使用 16 位代码单元的替代格式,类似于 UTF-8 代码方案 - 我们将其指定为 UTF-EMF-16。
在您的 UTF-EMF-16 方案中,从 U+0000 到 U+7FFF 的代码点将被编码为单个 16 位单元,MSB(最高有效位)始终为零。然后,您将保留 2 个最高有效位设置为 10
的 16 位单元作为“延续单元”,以及 14 位有效负载数据。然后您将以 16 位为单位对从 U+8000 到 U+10FFFF(当前最大 Unicode 代码点)的代码点进行编码,其中三个最高有效位设置为 110
最多 13 位有效载荷数据。使用当前定义的 Unicode (U+0000 .. U+10FFFF),您永远不需要超过 13 位集合中的 7 个。
U+0000 .. U+7FFF — One 16-bit unit: values 0x0000 .. 0x7FFF
U+8000 .. U+10FFF — Two 16-bit units:
1. First unit 0xC000 .. 0xC043
2. Second unit 0x8000 .. 0xBFFF
对于您的示例代码点,U+1F683(二进制:1 1111 0110 0100 0011):
First unit: 1100 0000 0000 0111 = 0xC007
Second unit: 1011 0110 0100 0011 = 0xB643
第二个单元在反转两个最高有效位方面与您的示例不同,从您示例中的 01
到我的示例中的 10
。
这样的计划可以奏效。这是明确的。它可以容纳比 Unicode 当前允许的更多的字符。 UTF-8 可以修改为 UTF-EMF-8,以便它可以处理相同的扩展范围,其中一些字符需要 5 个字节,而不是当前的最大 4 个字节。具有 5 个字节的 UTF-EMF-8 最多可编码 26 位; UTF-EMF-16 可以编码 27 位,但应限制为 26 位(大约 6400 万个代码点,而不是刚刚超过 100 万个)。那么,为什么不采用它或类似的东西呢?
答案很常见——历史(加上向后兼容性)。
当首次定义 Unicode 时,人们希望或相信 16 位代码集就足够了。 UCS2 编码是使用 16 位值开发的,0x8000 .. 0xFFFF 范围内的许多值都被赋予了含义。比如U+FEFF就是字节序标记。
当必须扩展 Unicode 方案以使 Unicode 成为更大的代码集时,有许多定义的字符在最高有效位中具有 10
和 110
位模式位,因此向后兼容性意味着上述 UTF-EMF-16 方案不能用于 UTF-16,而不会破坏与 UCS2 的兼容性,这将是一个严重的问题。
因此,标准化者选择了一种替代方案,其中有高代理和低代理。
0xD800 .. 0xDBFF High surrogates (most signicant bits of 21-bit value)
0xDC00 .. 0xDFFF Low surrogates (less significant bits of 21-bit value)
低代理范围提供 10 位数据的存储 — 前缀 1101 11
使用 16 位中的 6 位。高代理范围还提供 10 位数据的存储——前缀 1101 10
也使用 16 位中的 6 位。但是因为 BMP (Basic Multilingual Plane — U+0000 .. U+FFFF) 不需要用两个 16 位单元编码,所以 UTF-16 编码从高位中减去 1
数据,因此可用于编码 U+10000 .. U+10FFFF。 (请注意,虽然 Unicode 是 21 位编码,但并非所有 21 位(无符号)数字都是有效的 Unicode 代码点。来自 0x110000 .. 0x1FFFFF 的值是 21 位数字,但不是 Unicode 的一部分。)
来自 Unicode FAQ — UTF-8, UTF-16, UTF-32 & BOM :
Q: What’s the algorithm to convert from UTF-16 to character codes?
A: The Unicode Standard used to contain a short algorithm, now there is just a bit distribution table. Here are three short code snippets that translate the information from the bit distribution table into C code that will convert to and from UTF-16.
Using the following type definitions
typedef unsigned int16 UTF16;
typedef unsigned int32 UTF32;the first snippet calculates the high (or leading) surrogate from a character code C.
const UTF16 HI_SURROGATE_START = 0xD800
UTF16 X = (UTF16) C;
UTF32 U = (C >> 16) & ((1 << 5) - 1);
UTF16 W = (UTF16) U - 1;
UTF16 HiSurrogate = HI_SURROGATE_START | (W << 6) | X >> 10;where X, U and W correspond to the labels used in Table 3-5 UTF-16 Bit Distribution. The next snippet does the same for the low surrogate.
const UTF16 LO_SURROGATE_START = 0xDC00
UTF16 X = (UTF16) C;
UTF16 LoSurrogate = (UTF16) (LO_SURROGATE_START | X & ((1 << 10) - 1));Finally, the reverse, where hi and lo are the high and low surrogate, and C the resulting character
UTF32 X = (hi & ((1 << 6) -1)) << 10 | lo & ((1 << 10) -1);
UTF32 W = (hi >> 6) & ((1 << 5) - 1);
UTF32 U = W + 1;
UTF32 C = U << 16 | X;A caller would need to ensure that C, hi, and lo are in the appropriate ranges. [
关于string - UTF-16 编码 - 为什么使用复杂的代理对?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59836319/
我完全不同意配置代理来检查我正在开发的应用程序的 HTTP(S) 流量。我试过运行 Fiddler2 和 Charles Web Proxy,它们都在 127.0.0.1:888 上运行,并使用以下参
我有一个 AWS 环境,其中有几个实例没有预安装 SSM 代理,也没有 key 对,有没有办法在不使用 SSH 登录我的实例的情况下安装 SSM 代理? 在此先感谢您的帮助! 最佳答案 没有。这是一个
在本教程中,您将借助示例了解 JavaScript 代理。 在 JavaScript 中,proxy(代理对象)用于包装对象并将各种操作重新定义到对象中,例如读取、插入、验证等。代理允许您向对
我有一个基于 Martini 的小型应用程序,但遇到了一个我无法解决的问题。 我想添加一个应用程序功能,允许用户从第三个服务器获取文件,并在 HTTP header 中进行一些更改。某种代理。这些文件
结构对比 讲实话,博主当初学习完整设计模式时,这三种设计模式单独摘哪一种都是十分清晰和明确的,但是随着模式种类的增加,在实际使用的时候竟然会出现恍惚,例如读开源代码时,遇到不以模式命名规范的代码时,
我正在尝试代理运行 ELK 的后端服务器。这是我的环境信息: root@proxy:~# root@proxy:~# cat /etc/*release DISTRIB_ID=Ubuntu DISTR
我需要为我的 java 应用程序编写一个代理,它在每个数组创建时执行一些特定的操作。到目前为止,我无法找到在此事件上运行我的代码的任何方法。 java.lang.instrument.ClassFil
PHP 代理如何工作? 我希望制作一个类似于其他 php 代理的小脚本 但是它实际上是如何工作的呢? 最佳答案 我正在考虑一个 PHP 代理,用于绕过 AJAX Sane Origin 策略。如果您需
我有一个 Electron 应用程序,试图通过该应用程序从同一网络调用url,但是出于安全考虑,我考虑了使用代理的想法。 function createWindow () { const mai
我有 1 台计算机,安装了 1 个网卡。网卡有 10 个 IP 地址分配给它。我在那里运行了一个 Windows 桌面应用程序。该应用程序基本上是一个调用 1 个特定网站的网络浏览器。 我想要实现的是
我想将 Burp 配置为我的 java 代码的代理,以查看请求和响应。Burp 作为 Web 浏览器之间的代理可以很好地工作,但它不适用于 Java 应用程序。 我已经在代码中添加了这样的行: Web
据我所知,在Spring AOP中,当我们想要拦截某些方法调用时,我们会配置一个具有与所需方法调用相匹配的切入点配置的Aspect。也就是说,我们在Aspect端配置拦截。 有没有一种方法可以完全从相
这可能是一个常见问题,但是:我有一个正在向 发出请求的应用程序elldmess.cz/api/... 但是这个api已经没有了。 现在我想要“东西”,即 catch 对 elldmess.cz/api
我正在尝试在 Android 中创建代理,但我必须使用套接字。我已经阅读了很多教程并提出了以下代码。不幸的是,浏览器似乎没有获得任何数据,一段时间后它显示标准网页,说网页不可用。可能是什么原因?感谢您
我在使用此代码时遇到了一些问题,具体取决于我使用的浏览器,有些 URL 在 IE 中显示正确,但在 Firefox 中显示为纯文本(例如 www.microsoft.es 在 IE 上看起来不错,但在
我正在尝试通过 urllib 获取一些 url 并通过我的代理进行 Mechanize 。 使用 mechanize 我尝试以下操作: from mechanize import Browser im
我安装了一个嵌入式设备(光伏转换器),它提供了一个正常的 http Web 界面(信息和设置)。该转换器具有用户身份验证,但只能通过 http 进行。出于安全考虑,我不想将服务器直接发布到互联网上。在
我正在搜索有关如何使用支持 HTTPS 的 Ruby 编写代理的一些示例。我有一个使用 Webricks HTTPProxyServer 实现的简单代理,但我注意到,HTTPS 流量只是隧道传输(它应
我的一位客户刚收到他选择的开发商订购的软件,让我看一下并准备托管程序。 这是一个 Java (jar) 应用程序,到目前为止一切顺利......但我看到了一些可疑的东西,软件每隔 60 分钟左右连接到
我试图在 C# 中创建一个 HTTPS 代理服务器。这里有人发布了解决方案: string host = "encrypted.google.com"; string
我是一名优秀的程序员,十分优秀!