{
  "id": "code-point",
  "title": "码点",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "码点是字符编码的代码空间中的数值位置，用于标识字符或其他指定值，与其存储表示方式无关。",
  "category": "computer-science",
  "subcategory": "software",
  "type": "concept",
  "aliases": [
    "码位"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/code-point/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/code-point/",
      "json": "https://aiwiki.page/en/code-point.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "码点是字符编码的代码空间中的一个数值位置。在Unicode统一码中，码点用于标识字母、数字、标点等抽象字符，以及控制字符和其他指定值。码点不同于存储它所用的字节、显示它所用的图形形状，也不同于读者感知为单个字符的文本单位。"
    },
    {
      "heading": "定义与记法",
      "text": "字符编码定义了一个代码空间，即一组或一个范围内的数值位置。码点就是该空间中的任意位置，无论该位置是否已分配给某个字符。\n\nUnicode码点的范围为十六进制的 0000 至 10FFFF，包含两端。通常采用前缀 U+ 后接四至六位十六进制数字的形式表示：\n\n码点 | Unicode名称 | 示例\nU+0041 | 拉丁大写字母A | A\nU+00E9 | 带尖音符的拉丁小写字母E | é\nU+0301 | 组合尖音符 | 与前一个字符组合的附加符号\nU+4E2D | 中日韩统一表意文字-4E2D | 中\nU+1F600 | 咧嘴笑脸 | 😀\n\nU+ 记法标识的是一个数值，并不规定该值在内存中如何表示，或在网络上如何传输。例如，在不同的Unicode编码形式中，U+0041 可以表示为不同的字节序列。\n\n码点这一术语也适用于Unicode以外的编码。在美国信息交换标准代码中，大写字母A占据码点65，即十六进制的 41。在互不相关的字符编码中，同一个数值位置可能表示不同字符，因此其含义取决于所采用的编码。"
    },
    {
      "heading": "码点、字符与字形",
      "text": "人们在非正式表述中，常把几种不同的单位都称为“字符”。\n\n- 抽象字符是文本信息的单位，不依赖于特定的视觉外观。\n- 码点是代码空间中的一个数值位置。\n- 码元是编码形式用来表示文本的基本数值单位。\n- **字素簇**是按照Unicode文本分段规则视为单个文本元素的码点序列，近似于用户感知的一个字符。\n- **字形**是用于显示文本的图形形式。\n\n这些单位之间并非一一对应。一个抽象字符有时可以用不同的码点序列表示。一个字素簇可以包含多个码点，而字体也可以将多个字符一起渲染为一个字形，连字便是如此。\n\n例如，字母é可以表示为：\n\n- U+00E9，即单个预组合字符；或\n- U+0065 U+0301，即字母e后接一个组合尖音符。\n\n这两个序列在Unicode中具有规范等价关系，但其码点和编码后的字节各不相同。Unicode规范化提供了标准化的转换方法，用于处理此类等价关系。\n\n码点也不一定产生可见的符号。控制字符、组合附加符号、变体选择符和格式字符可以影响文本处理或呈现，而不以独立符号的形式出现。反过来，一些显示为单个图像的表情符号，实际上由多个码点连接成一个序列。"
    },
    {
      "heading": "Unicode代码空间的组织",
      "text": "Unicode包含：\n\n\\[\\texttt{0x110000} = 1{,}114{,}112\\]\n\n个码点。代码空间划分为17个平面，每个平面包含65,536个位置。\n\n第0平面的范围为 U+0000 至 U+FFFF，称为基本多文种平面。其中包含许多广泛使用的文字系统、常用符号以及代理码点区间。第1至第16平面为辅助平面，包含其他文字、符号、表情符号、表意文字、私用区及其他指定区间。\n\nUnicode的区块是该空间中具有名称的连续区间。区块是组织上的划分，不一定对应完整的文字系统：一种文字可能分布在多个区块中，一个区块也可能包含多种文字共用的字符。\n\n已分配与未分配的位置\n\n并非每个码点都已分配字符。主要类别包括：\n\n- **已分配字符：**具有已定义字符身份的位置，包括图形字符、控制字符和格式字符。\n- **未分配码点：**可供后续版本分配的位置。\n- **私用码点：**含义由私下约定确定，而非由标准化字符分配确定的位置。\n- 代理码点：U+D800–U+DFFF 区间，保留给UTF-16编码机制使用。\n- **非字符：**永久指定的66个码点，保留供内部使用，而非用于普通的字符交换。\n\n非字符既不同于未分配位置，也不同于私用字符。它们属于Unicode标量值，可以编码在格式良好的Unicode文本中，但并非用于在开放交换中表示抽象字符。\n\nUnicode标量值\n\nUnicode标量值是除代理码点以外的任意Unicode码点：\n\n\\[[0,\\texttt{D7FF}] \\;\\cup\\; [\\texttt{E000},\\texttt{10FFFF}]\\]\n\n代理码点共有2,048个，因此标量值共有1,112,064个。这些值不仅包括已分配字符，还包括未分配位置、私用位置和非字符。\n\n这一区分很重要，因为格式良好的Unicode编码形式表示的是标量值。孤立的代理码点虽然是码点，却不是标量值，不能出现在格式良好的UTF-8或UTF-16序列中。"
    },
    {
      "heading": "与编码形式的关系",
      "text": "码点独立于存储它所采用的编码形式。Unicode编码形式将标量值映射为码元序列。\n\n编码形式 | 码元大小 | 每个标量值所需的码元数\n[[utf-eight | UTF-8编码]] | 8位\n[[utf-sixteen | UTF-16编码]] | 16位\n[[utf-thirty-two | UTF-32编码]] | 32位\n\n例如，U+1F600 的表示方式如下：\n\n- UTF-8：四个字节，F0 9F 98 80；\n- UTF-16：两个码元，D83D DE00；\n- UTF-32：一个码元，0001F600。\n\n在UTF-16中，这两个码元构成一个代理对。其中任何一个码元单独都不能表示该表情符号。将辅助平面的码点编码为码元对，使UTF-16得以突破原有的16位范围，同时让基本多文种平面中的非代理字符仍可用单个码元表示。\n\n因此，字节数不一定等于码点数。字节序则是另一个问题：当UTF-16或UTF-32码元序列化为字节时，必须明确字节的排列顺序。在允许使用字节顺序标记的场景中，该标记可以帮助识别字节序。"
    },
    {
      "heading": "在软件中的作用",
      "text": "码点为字符属性以及大小写转换、文字识别、搜索和文本分段等操作提供了稳定的标识。不过，并非所有文本处理任务都只需以码点为单位操作。\n\n长度与索引\n\n字符串的长度取决于计数所用的单位。在JavaScript中，普通的字符串长度和索引访问以UTF-16码元为单位。因此，\"😀\".length 的值为2，尽管该字符串只表示一个码点。JavaScript的字符串迭代会合并格式良好的代理对，但如果存在孤立的代理码元，仍会将其单独返回。\n\n在Python编程语言中，字符串是Unicode码点的序列，因此 len(\"😀\") 的值为1。然而，len(\"e\\u0301\") 的值为2，尽管该序列通常呈现为用户感知的一个字符。\n\n因此，文本编辑器、光标移动以及面向用户的字符数限制，可能需要依据字素簇边界，而不是码点边界。\n\n排序与比较\n\n码点的数值顺序通常不等于语言中的排序顺序。字母排序取决于语言、区域设置、重音符号、大小写以及字符序列的排序惯例。Unicode排序算法处理的是超出原始数值顺序的比较问题。\n\n同样，两个看起来完全相同的字符串可能包含不同的码点。规范化可以处理某些等价关系，但不会让所有视觉上相似的字符都变成同一字符。一个拉丁字母与一个外形相似的西里尔字母仍可能是不同的字符，这与标识符处理和网络安全有关。\n\n验证与格式错误的文本\n\n解码是将编码后的码元转换为文本的过程。对于格式错误的输入，例如无效的UTF-8序列或未配对的UTF-16代理码元，需要采用相应的错误处理策略。根据具体格式和软件接口，解码器可能拒绝该输入，也可能将格式错误的序列替换为 U+FFFD（替换字符）。\n\n检查编码格式是否良好，与检查某个码点是否已分配、是否有字体支持、或是否允许用于特定字段，是不同的问题。未分配的标量值可以具有格式良好的编码；而已分配字符在缺少合适字体时，也可能显示为缺字标记。"
    }
  ],
  "links": [
    "character-encoding",
    "unicode",
    "ascii",
    "grapheme-cluster",
    "glyph",
    "utf-eight",
    "utf-sixteen",
    "byte",
    "byte-order-mark",
    "javascript",
    "python-programming-language",
    "cybersecurity"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}