unicode都是16位的么？难道世界上的文字，总共不超过65536个？

Question

如题。unicode试图用唯一的数值，来对应世界上的任何一种语言里面的任何一种符号。但是，我感觉，中文就已经有很多个字了，大约可能有几万个，再加上日文，韩文之类的，我觉得世界上的字加起来，肯定是超过2^16所能表示的范围。如果是那样，则如何来表示这么多的文字呢？难道要32位？而且我们一般运算或者编程使用的，unicode是不是和 short的类型是一样的，也就是占用两个字节？请大侠来释疑。谢谢。

Answer 1

Unicode是16位
但不同国家地区的编码是不同的，只要中国汉字不超过60000就可以啊

Answer 2

Unicode 的编码方式与 ISO 10646 的通用字元集(亦称[通用字符集])（Universal Character Set，UCS）概念相对应，目前的用于实用的 Unicode 版本对应于 UCS-2，使用16位的编码空间。也就是每个字符占用2个字节。这样理论上一共最多可以表示 65,536(2的16次方) 个字符。基本满足各种语言的使用。实际上目前版本的 Unicode 尚未填充满这16位编码，保留了大量空间作为特殊使用或将来扩展。目前只含20902个汉字。 上述16位 Unicode 字符构成基本多文种平面（Basic Multilingual Plane, 简称 BMP）。最新（但未实际广泛使用）的 Unicode 版本定义了16个辅助平面，两者合起来至少需要占据21位的编码空间，比3字节略少。但事实上辅助平面字符仍然占用4字节编码空间，与 UCS-4 保持一致。未来版本会扩充到 ISO 10646-1 实现级别3，即涵盖 UCS-4 的所有字符。UCS-4 是一个更大的尚未填充完全的31位字符集，加上恒为0的首位，共需占据32位，即4字节。理论上最多能表示 2,147,483,648(2的31次方)个字符，完全可以涵盖一切语言所用的符号。BMP 字符的 Unicode 编码表示为 U+hhhh，其中每个 h 代表一个十六进制数位。与 UCS-2 编码完全相同。对应的4字节 UCS-4 编码后两个字节一致，前两个字节的所有位均为0。在代码编写时，一个UNICODE字符的类型可认为是一个UNSIGNED SHORT！在VC6中，所有与字符串处理有关的C函数和Windows API函数都有UNICODE版本，请使用它们编写你的UNICODE应用程序。

Answer 3

我觉得，2楼说的不太对，也就是说，没有所谓的不同国家的编码是不一样的这样一种说法。
三楼说的很有道理，目前广泛使用的16位的unicode，里面已经包含了2万多个汉字，这个我还是很赞同的，其实说实话，中国字是表意文字，就比较多，其他很多国家的文字，都是表英文字，就没有那么多，所以我想常用的，用16位来表示所有语言的所有符号，应该是足够了，呵呵。不知道我理解的对不对。今天为了弄懂这个，花费了很多时间在网上找，但是还是云里雾里的，看wiki也不是很看得懂，呵呵。

Answer 4

但不同国家地区的编码是不同的，只要中国汉字不超过60000就可以啊
=========================
胡说八道，要是这样的，UNICODE还有什么用呢？这不是越来越乱，用UNICODE的一个目的就是不用再本地化了。

Answer 5

lz的理解没有错误。
Unicode有两套标准，一套叫UCS-2(Unicode-16)，用2个字节为字符编码，另一套叫UCS-4(Unicode-32)，用4个字节（实际上只用了31位，最高位必须为0）为字符编码。目前常用的UCS-2，它可以表示的字符数为2^16=65535，基本上可以容纳所有的欧美字符和绝大部分的亚洲字符 。 但是很明显，如果要支持所有的亚洲字符，必须用UCS－4

Answer 6

谢谢你的回答。
我比较同意你的观点。
按照我的理解，现行的windiws2000或者 windows xp系统，所谓采用的Unicode编码，其实，指的是采用了 UCS-2的格式来编码的，所以看到的windows编程里面关于unicode的资料，都是 w_char 双字节的，（而且字节长度也是固定不变的），如果真的以后要全面推广UCS-4的话，windows现行的一些API函数，可能得做进一步的更新和完善。当然啦，目前来说，用16位的unicode一般来说也够用了，呵呵。以上都是我的个人理解，有不对之处，希望大家批评指正。

Answer 7

看看这里
http://glyph.iso10646hk.net/chinese/tinfo_3.jsp

Answer 8

windows 程序设计 里面说的很清楚

Answer 9

深入了解,还是应该看这里:
http://www.unicode.org/

Answer 10

谢谢你的回答：
首先我想问一下：我的如下观点,哪里错了？1，unicode的本质，想让所有的语言里面的所有字符，都有唯一一个表示码，这个理解应该是正确的吧。
2，我就目前的unicode的程序里面的内容而言，我看了好基本windows编程的书，比如《windows MFC programing》等。里面对于unicode的解释，都是说16位定长度的，这个应该也没有错吧？3，可能现在的unicode版本，需要容纳更多的字符，所以16位显然是不够的，因此，有更多字节表示的unicode方法。请批评指正，谢谢。

Answer 11

unicode只是一个通称，里面包括ucs2和usc4等不同的编码。

Answer 12

2字节UNICODE能包含常用汉字编码，典型的就是GB2312，包含7445个基本汉字和图形字符，后来扩充的GBK编码仍然与GB2312兼容，但是汉字扩充到了20902，包含了中日韩（CJK）汉字。如果要完整使用所有当前的汉字（包括古代字、通假字、生僻字等），2字节UNICODE编码已经不够使用了，必须使用GB18030编码，它使用了4字节编码。要使用GB18030字库，必须使用特定的API。

Answer 13

恩，赞同！
我相信一般我们windows编程里面都是使用普通的2字节的API就足够了。
而，四字节编码的，需要“特殊API”。