char对象与哪个字符编码（Unicode版本）集相对应？

Question

什么的Unicode 字符编码 一个确实char对象对应于：

• C＃

• 爪哇

• JavaScript （我知道实际上没有char类型，但是我假设该String类型仍然实现为Unicode字符数组）

通常，在编程语言之间是否存在使用特定 字符编码 的通用约定 ？

更新资料

1. 我试图澄清我的问题。我所做的更改将在下面的评论中讨论。
2. 回复：“您要解决什么问题？” ，我对从独立于语言的表达式生成代码感兴趣，并且文件的特定编码是相关的。

Answer 1

我不确定我是否在回答您的问题，但请允许我发表一些意见，希望能有所启发。

在核心上，像我们正在谈论的通用编程语言（C，C
++，C＃，Java，PHP）没有“文本”的概念，而仅仅是“数据”的概念。数据由整数值（即数字）序列组成。这些数字背后没有内在的 含义 。

将数字流转换为文本的过程是语义之一，通常留给消费者将相关的语义分配给数据流。

警告：
我现在将使用“编码”一词，不幸的是它具有多种不等同的含义。“编码”的第一个含义是将含义分配给数字。数字的语义解释也称为“字符”。例如，在ASCII编码中，32表示“空格”，65表示“大写A”。ASCII仅将含义分配给128个数字，因此每个ASCII
字符
都可以方便地用一个8位字节表示（最高位始终为0）。有许多将字符分配给256个数字的编码，因此所有编码每个字符使用一个字节。在这些固定宽度编码中，文本字符串的字符数与字节表示的数目一样多。

现在，Unicode也是一种编码，即将含义分配给数字。在前128个数字上，它与ASCII相同，但从理论上讲，它为2 ^
21个数字分配含义。因为有许多含义在写作意义上并不是严格意义上的“字符”（例如零宽度的连接符或变音符号），所以术语“代码点”比“字符”更可取。但是，任何至少21位宽的整数数据类型都可以表示一个代码点。通常，人们选择一种32位类型，这种编码（其中每个元素代表一个代码点）称为UTF-32或UCS-4。

现在，我们有“编码”的第二含义：我可以采取Unicode代码点的串和 变换
成8位或16位值的字符串，从而进一步“编码”中的信息。在这种新的转换形式（称为“ unicode转换格式”或“
UTF”）中，我们现在具有8位或16位值的字符串（称为“代码单位”），但是每个单独的值通常都不对应处理任何有意义的事情-
首先必须将其解码为一系列Unicode代码点。

因此，从编程角度来看，如果要修改 文本
（而不是字节），则应将文本存储为Unicode代码点序列。实际上，这意味着您需要32位数据类型。charC和C
++中的数据类型通常为8位宽（尽管这只是最小值），而在C＃和Java中，数据类型始终为16位宽。可以想到，可以使用8位char存储 转换后的
UTF-8字符串，而16位char可存储 转换后的
UTF-16字符串，但是为了获得原始的，有意义的Unicode代码点（尤其是在字符串的长度（以代码点为单位）），您将始终必须执行解码。

通常，您的文本处理库将能够为您进行解码和编码，因此它们将很乐意接受UTF8和UTF16字符串（但要付出一定的代价），但是如果您想避免这种额外的间接访问，请将您的字符串存储为原始Unicode足够宽的类型的代码点。