是否有一个 unicode 范围是前 128 个字符的副本？答案

【问题标题】：Is there a unicode range that is a copy of the first 128 characters?是否有一个 unicode 范围是前 128 个字符的副本？
【发布时间】：2012-03-01 11:19:46
【问题描述】：

我希望能够在不被计算机解释的情况下将其他字符放入文本中。所以想知道是否有一个范围被定义为映射到与范围 0-0x7f（ascii 范围）相同的字形等。

请注意，我声明 0-0x7f 范围与 ascii 相同，所以问题不是什么范围映射到 ascii。

我在问是否有另一个范围也映射到相同的字形。渲染时的 I.E 看起来是一样的。但在解释时可能会被视为不同的代码。

所以我可以写

打印“你好“世界””

粗体字符避免使用 0-0x7f（ascii 范围）

补充：我的意思是单应性和行为上，除了代码点不同之外，一切都一样。我正在寻找整个 ascii/128bit 集，直接映射（添加到它们的偏移量）。

原因：避免被任何使用某些 ascii 字符作为其语言的一部分但允许在文字字符串中使用任何 unicode 字符的语言进行解释，例如（当 uft-8 编码时）C、html、css、……

我试图修复“无保留字”/“单词颜色”（字符串文字一种颜色，另一种关键字，另一种变量，另一种数字等）的想法，以便字符串文字或变量名（虽然不是在这种情况下）可以包含任何字符。

【问题讨论】：

“计算机解释”是什么意思？您正在处理文本或正在处理其他数据。将它们混合在用于文本的内容（例如字符串）中是一个坏主意。
一些文本是使用字形呈现的。一些文本被解释。例如打印“你好世界”；在某些时候，文本 hello world 将被呈现为字形，但其余部分只是被解释。

标签： text unicode

【解决方案1】：

我将问题解释为“是否存在一组与低 7 位 ASCII 集同应的代码点”。答案是否定的。

有些代码点通常以单应方式呈现（例如，西里尔大写字母 U+0410 在许多字体中看起来与 ASCII 65 相同，并且在大多数支持此代码点的字体中非常相似），但它们是不同的代码点，具有不同的语义。类似地，有些代码点基本上呈现相同，但具有一组特定的语义，例如不间断空格 U+00A0，其呈现与 ASCII 32 相同，但被指定为具有特定的换行属性；或右单引号 U+2019，它是一个明确的引号，而不是其双胞胎 ASCII 39，即“撇号”。

但总而言之，基本 ASCII 块中的许多符号与另一个代码块中的同形异义词不一致。不过，您也许可以为您的例句找到同形异义词或近同形异义词；我会研究 IPA 音标以及希腊语和西里尔语块。

【讨论】：

【解决方案2】：

正如@tripleee 所描述的，对所提问题的回答是“否”，但如果目的是诡计或某种乐趣，则以下注释可能是相关的：

除空格外的可打印 ASCII 字符已在 U+FF01 到 U+FF5E 重复，但这些是用于 CJK 文本的全角字符。它们的形状是（并且应该是）不同的：你好　　　世界。（您的浏览器可能无法呈现它们。）因此它们与 ASCII 字符并不是真正的单应性，但可以用于某些特殊目的。（我不知道这里的目的是什么。）

【讨论】：

我正在阅读 samba 文档，其中提到将一些 dos/ms-windows 保留字符（例如）重新映射到 0xf000 范围。我认为这个答案解释了它。
@richard，我认为这种映射是不同的。 U+F000 位于私人使用区 (PUA)，从 U+E000 到 U+F8FF，这意味着它们是可以用于任何您喜欢的地方，由相关方之间的特别协议。它们甚至可以用于普通字符的副本，或者用于不作为单独编码的标准字符存在的变体。 U+FF01 到 U+FF5E 范围不同（标准字符，不是 PUA）。

【解决方案3】：

取决于您使用的 Unicode 标准。

在 UTF-8 中，前 128 个字符具有精确的 ASCII 对应物作为代码编号。在 UTF-16 中，前 128 个 ASCII 字符介于 0x0000 和 0x007F（2 个字节）之间。

【讨论】：

呃，只有一个 Unicode 标准，它的定义方式是前 256 个字符与拉丁语 1 相同，这也意味着前 128 个字符是与 ASCII 相同。无论您使用何种转换格式，Unicode 代码点本身始终为 21 位。当然，后者控制它们如何映射到字节。