什么是Unicode表中XXX指示器的含义？

Question

什么是Unicode表中XXX指示器的含义？

3

考虑Unicode Charts中C1控制字符和Latin-1补充的unicode图表。如果一个字符有字形，它会被显示出来；如果没有字形，则会给出特殊的点线和符号标记或标识符。在这种情况下，0080和0081似乎都有一些“无效标记”，我认为这就是“XXX”的含义。这是它的含义吗？

enter image description here

其次，如果一个Unicode感知的字符串类型中存储了值为0x80（十六进制）或128（十进制）的字符串，它应该如何表现？是否应将其转换为其他点，例如以下映射：

- 许多ANSI代码页中的字节值128是欧元标记。 - 存储128的十进制值等同于存储U+20AC?

我在特定语言或操作系统API实现的MBCS和Unicode类型以及Java的有趣处理中遇到的神奇“非正交性”让我想知道U+0080字符的真正预期用途是什么。这个参考链接让我困惑，因为它显示Java将此字符视为欧元符号（ANSI代码页到Unicode的单向友好性），但它的名称是<control>，这不是我知道如何处理的任何内容。维基百科说它是PAD 这里。

有人能帮我吗？我在Unicode学校跳过了基础概念日吗？我错过了什么？

更新从0080到0098的块是不可打印的控制字符。这一点我知道。我想知道的是XXX是什么意思，当我处理具有该值的Unicode数据时，我应该如何考虑此字符？

- Warren P

2

它的意思很简单，就是“未分配”。一个合适的Unicode解码器应该用U+FFFD替换它们。 - Hans Passant

@HansPassant：但是 U+0080 和 U+0081 代码点确实已被分配给没有名称的字符。 - dan04

嗯，那种角色通常不穿衣服。 - Hans Passant

为什么有人投票将其关闭为离题？Unicode定义以及在Unicode感知应用程序中处理这些定义如何是离题的？ - Warren P

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Jukka K. Korpela · Accepted Answer

根据Unicode标准第17章（关于代码图表）的解释，第573页，“虚线框约定”表示没有可见渲染的字符“由一个方形虚线框表示。该框围绕着字符名称的简短助记符。”问题中提到的字符是控制字符，在C1控制区域。

Unicode标准在第16章第544页有关C0和C1控制字符的说明：“Unicode标准提供了这些码点的完整交换，既不增加也不减少它们的语义。控制字符的语义通常由使用它们的应用程序确定。然而，在没有特定应用用途的情况下，它们可以按照ISO/IEC 6429：1992中指定的控制函数语义进行解释。”而方形虚线框中的缩写反映了ISO/IEC 6429：1992中给出的含义。

在C1控制字符区域中的一些代码点在ISO/IEC 6429:1992中未被定义。对于它们，例如U+0080，在助记符缩写的位置上，代码图表中有“XXX”。因此，这表明Unicode标准没有提到这些代码点的任何含义，除了它们作为具有某些抽象属性的控制字符。

因此，“XXX”并不意味着“无效”，而是“完全未定义的含义”。这些代码点的含义可以由各种标准或其他约定来定义，只要它们与一般定义相一致——例如，将U+0080定义为图形字符是不兼容的。

在任何字符级处理中都不能替换或省略这样的代码点；实际更改数据的应用程序可能会执行任何操作，但是任何通用转换例程（例如）必须保持这些代码点（字符）完整。它们不得被视为格式错误或无效；但是应用程序可以将它们视为未定义。按照Unicode原则，对于一个字符的无知是可以的，但是完全错误是不可以的。

这与8位编码（如Windows-1252）中0x80等字节的含义无关。但如果您发送标记为ISO-8859-1编码的数据（其中0x80在原则上是U+0080）到Web浏览器，则实际上会将其视为Windows-1252编码。原因是像U+0080这样的字符在ISO-8859-1数据中实际上几乎从未使用；在ISO-8859-1标记的数据中，0x80的出现几乎总是windows-1252标错或混乱无法有意义地处理的数据。因此，浏览器采取了实用路线，将ISO-8859-1视为windows-1252；这已在HTML5和相关规范中得到正式确认。