2023年7月18日发(作者：)

Unicode 字符有多少?216=65536个字符冷玉龙1994年《中华字海》86000 字山东师范大学硕士研究生《XML技术》课程2008年10月25日汉字的总数在不断增大字书名编者字数年代《苍颉篇》李斯3300 秦代《训篇》杨雄5340 汉代，1-5年《续训篇》班固6180 汉代，60-70年《说文解字》许慎10516（重文1163字）汉代，100年《广雅》张揖16150 汉代《声类》李登11520 魏代，230年《字林》吕忱12824 晋代，400年《字统》杨承庆13734 北魏，500年《玉篇》顾野王16917 南梁，534年《切韵》陆法言12158 隋代，601年《韵海镜源》颜真卿26911 唐朝，753年《龙龛手鉴》释行均26430 辽代，997年《广韵》陈彭年26194 宋朝，1008年《字汇》梅膺祚33179 明朝，1615年《正字通》张自烈33440 明朝，1675年《康熙字典》陈廷敬47043 清朝，1716年《大汉和辞典》诸桥辙次49964 1959年《中文大辞典》张其昀49888 1971年《汉语大字典》徐中舒54678 1990年《中华字海》山东师范大学硕士研究生《冷玉龙XML技术》课程86000 19942008年10月25日年Unicode 的扩展国际标准化组织在ISO10646-2000 的基本平面(BMP 或者Unicode 3.0）中编入了2000年3月在GB18030颁布时所建议支持的字汇的27,564 汉字。其中在U+4E00～U+9FFF（共20992个码位）中有（U+4E00～U+9FA5连续区间）的20902个CJK汉字。其中U+3400～U+4DFF部分（共6656个码位）中的（U+3400～U+4DB5连续区间）的6582个汉字又称为扩展A。国际标准化组织还在ISO10646-2000 的第二平面扩展了42,711汉字，又称为扩展B。山东师范大学硕士研究生《XML技术》课程2008年10月25日•《说文解字》（公元100年）收9353字；•《声类》（227－239年）收11520字；•《玉篇》（5 43年）收22726字；•《唐韵》（751年）收26194字；•《类篇》（1066年）收31319字；逐•《字汇》（1 615年）收33179字；渐增•《康熙字典》（1716年）收47043字；•《中华大字典》（1915年）收48000字；多！•《中文大字典》（1968年）收49905字；•《汉语大字典》（1986年）收56000字。山东师范大学硕士研究生《XML技术》课程2008年10月25日2009版《辞海》已展开修订大型综合性辞典《辞海》从今年开始将展开2009版修订工作。2006年10月17日，记者从《辞海》的出版社——上海辞书出版社了解到，新版辞海将增加近万条新词，“巴金”这一词条将被收录其中。根据以往惯例，《辞海》10年修订一次，上一版为1999年版。17日，记者从上海辞书出版社了解到，2009版《辞海》编辑工作已经开始，目前正在征求各学科专家的意见，初步整理词目单。据了解，2009版《辞海》词目单将在原有词目的基础上增加10%至20%，大约增加上万条词目。上海辞书出版社相关人士透露，2009版《辞海》由102岁高龄的学者夏征农先生担任主编。夏老曾任1979年版、1989年版和1999专家学者为其把脉。年版《辞海》主编。2009版《辞海》将汇集几百名各学科的山东师范大学硕士研究生《XML技术》课程2008年10月25日Unicode 4.0

2003年4月推出山东师范大学硕士研究生《XML技术》课程2008年10月25日1山东师范大学硕士研究生《XML技术》课程2008年10月25日山东师范大学硕士研究生《XML技术》课程2008年10月25日CJK扩展A国际标准化组织（ISO）在ISO/IEC

10646-1:2000 的基本平面（简称Unicode）编入了GB18030建议的汉字，其中超出GBK部分的6582个汉字，又称为扩展A。0x4DB5-0x3400+1=0x19B6=6582山东师范大学硕士研究生《XML技术》课程2008年10月25日山东师范大学硕士研究生《XML技术》课程2008年10月25日# BEGIN Valid UniHanRanges for this release (5.0):# U+3400..U+4DB5 : CJK Unified Ideographs Extension A# U+4E00..U+9FA5 : CJK Unified Ideographs# U+9FA6..U+9FBB : CJK Unified Ideographs (4.1)# U+F900..U+FA2D : CJK Compatibility Ideographs (a)# U+FA30..U+FA6A : CJK Compatibility Ideographs (b)# U+FA70..U+FAD9 : CJK Compatibility Ideographs (4.1)# U+20000..U+2A6D6 : CJK Unified Ideographs Extension B# U+2F800..U+2FA1D : CJK Compatibility Supplement# END Valid UniHanRanges for this release (5.0)山东师范大学硕士研究生《XML技术》课程2008年10月25日CJK扩展A国际标准化组织（ISO）在ISO/IEC

10646-1:2000 的基本平面（简称Unicode）编入了GB18030建议的汉字，其中超出GBK部分的6582个汉字，又称为扩展A。0x4DB5-0x3400+1=0x19B6=6582山东师范大学硕士研究生《XML技术》课程2008年10月25日2GB18030中的彝文0xA4C6-0xA000+1=0x4C7=1223山东师范大学硕士研究生《XML技术》课程2008年10月25日Unicode 的Surrogate 机制ISO在ISO/IEC 10646-1:2000第二平面上又扩展了42711汉字，也称为扩展B。由于这42,711汉字编排在ISO10646-2000 的第二平面，所以编码需要4个字节。为了能够存取处理这些4字节字符，在Unicode 中引入了Surrogate 机制(在ISO10646-2000中命名为UTF-16)。根据这样一种机制, 在Unicode中用两个16位编码就可以对扩展B中的汉字进行存取。山东师范大学硕士研究生《XML技术》课程2008年10月25日代理项对(Surrogate pair)

（续）在Unicode代码区高端，预留了两个区域：U+D800—U+DBFF 这1024个字符用于高端代理U+DC00—U+DFFF 这1024个字符用于低端代理一个高端值与一个低端值构成一个代理对。可表示210×210＝220=1,048,576 即一百万个字符CJK Extension B 可以通过代理对来访问。因此，有了再支持多达一百万个字符的余地。山东师范大学硕士研究生《XML技术》课程2008年10月25日GB18030中的藏文与蒙古文山东师范大学硕士研究生《XML技术》课程2008年10月25日代理项对（Surrogate pair）代理项对是由两代码单元序列组成的单个抽象字符的编码字符表示形式，代理项对中的第一个单元是高代理项，第二个单元是低代理项。高代理项是范围U+D800 到U+DBFF 中的Unicode 代码点，低代理项是范围U+DC00 到U+DFFF 中的Unicode 代码点。需要记住的关键一点是代理项对表示32 位单个字符，不能假定一个16 位Unicode 编码值恰好映射为一个字符。通过使用代理项对，16 位Unicode 编码系统可以表示另外一百万个代码数据点，而Unicode 标准将为它们分配字符。山东师范大学硕士研究生《XML技术》课程2008年10月25日Unicode与Windows 2000Unicode 是一种16 位国际字符编码，Unicode 允许在同一个数据流中存储不同的语言。这一种编码可以表示64,000 多个字符。引入代理项后，它可以表示更多的字符。在Windows 中使用Unicode 可以更容易地创建世界通用的代码，因为这种情况下不再需要引用代码页或组字符数据点来表示一个字符。使用Unicode 编码表示所有国际字符使Windows 2000 能够支持超过64 种脚本和数百种语言。山东师范大学硕士研究生《XML技术》课程2008年10月25日3代理字符的Unicode值一个高端值（high）与一个低端值(low)构成一个代理项对。此代理对所表示字符的Unicode值N如何计算？N=(high-0xD800)*0x400+(low-0xDC00)+0x10000high范围:U+D800—U+DBFF 这1024个字符用于高端代理low范围:U+DC00—U+DFFF 这1024个字符用于低端代理注:0x10000=164=216=28×280x400=4×162=210=1024

=65536,可见：N介于216与220+216即N介于0x10000与0x10FFFF-1之间之间。山东师范大学硕士研究生《XML技术》课程2008年10月25日例:汉字“