字符視圖
要了解字符集標準，您必須能區分三種不同的字符視圖：
字符集（字符的抽象列表）。
作為帶標量值的“代碼點”的字符。
作為編碼數據的字符。
字符集（字符的抽象列表）
字符集是各種文字（包括拉丁文、西裏爾文、中文、朝鮮語、日語、希伯來語和阿拉伯語）中所包含的字符的壹個抽象列表，由壹百多萬個字符組成。字符集還包括其他符號，例如音符。
Unicode 和 GB18030 標準都具有字符集。當某個標準添加了新字符時，為了保持對等，另壹個標準也將添加這些字符。
作為帶標量值的“代碼點”的字符
註意 這第二個字符視圖只適用於 Unicode，而不適用於 GB18030。
字符集中的每個字符都被分配到壹個“代碼點”。每個代碼點都有壹個特定的數值，稱為標量值。該標量值通常用十六進制表示。
代碼點存在於“代碼空間”中。代碼空間由許多標量值組成，這些值被劃分在兩個平面中：
基本多語種平面（64k 大小）。
在 Unicode 中，此下平面中的值的十六進制表示位於 U+0000 到 U+FFFF 的範圍中。
輔助多語種平面（16 個 64k 大小的附加節）。
在 Unicode 中，此上平面中的值的十六進制表示位於 U+10000 到 U+10FFFF 的範圍中。
所有可能的標量值的完整代碼空間的大小為 17 * 64k（1,088,000 個可能值）。
作為編碼數據的字符
每個編碼形式將字符從字符集轉換為編碼數據。
在 GB18030 中，編碼數據直接從字符集派生：標量值（作為字符集和編碼數據之間的媒介）的概念只適用於 Unicode。
在 Unicode 中，通過向標量值應用某個算法來派生編碼數據。
Unicode 定義了三種字符編碼形式：
UTF-8
UTF-16
UTF-32
代碼點和代碼單元
在每種編碼形式中，代碼點被映射到壹個或多個代碼單元。
註意 有關代碼點的概述，請參見上壹節字符視圖。
“代碼單元”是各個編碼形式中的單個單元。代碼單元的大小等效於特定編碼的位數測量單位：
UTF-8 中的代碼單元由 8 位組成。
UTF-16 中的代碼單元由 16 位組成。
UTF-32 中的代碼單元由 32 位組成。
GB18030 中的代碼單元由 8 位組成。
每個代碼點中的代碼單元數
映射到代碼點所需的代碼單元數根據編碼形式而有所不同：
UTF-8
在 UTF-8 中，因為代碼單元較小的緣故，每個代碼點常常被映射到多個代碼單元。代碼點將被映射到壹個、兩個、三個或四個代碼單元。
UTF-16
UTF-16 的代碼單元大小是 8 位代碼單元的兩倍。所以，標量值小於 U+10000 的代碼點被編碼到單個代碼單元中。
對於標量值大於或等於 U+10000 的代碼點，每個代碼點需要兩個代碼單元。在 UTF-16 中，這些代碼單元對有壹個獨特的術語：“Unicode 代理對”。
註意 下面對 Unicode 代理對的支持進行了討論。
UTF-32
UTF-32 中使用的 32 位代碼單元足夠大，每個代碼點都可編碼為單個代碼單元。
GB18030
在 GB18030 中，因為代碼單元較小的緣故，每個代碼點常常被映射到多個代碼單元。代碼點將被映射到壹個、兩個或四個代碼單元。
對 Unicode 代理對的支持
某些受 Unicode 支持的文字包含代碼點的標量值大於或等於 U+10000 的字符。在 UTF-16 中，通過使用代理對來對這些代碼點進行編碼。
正確處理 Unicode 代理對非常重要。例如，當您在使用 UTF-16 編碼的應用程序中處理文本時，如果要添加、刪除或選擇字符以進行剪切、復制或粘貼操作，文本光標必須將每個代碼點作為單個文本字符導航。