解析UTF-16流並從編碼錯誤中恢復

Question

我正在實現一個簡單的行/列計數算法，用於計算UTF-16流中的「字形」。像往常一樣，處理錯誤是棘手的部分。

E.g.如何處理一個低代理或合併字符下一個新行？

標準建議如何處理這個問題？中止解析？嘗試重新同步？如果是這樣，怎麼樣？

我知道一個可能的答案是「RTFM」，但鑑於標準的龐大規模，該任務有點令人生畏。

Answer 1

如果您沒有相應的高代孕項目的代孕人低，那麼你有一個無效的UTF-16序列。該標準沒有強制執行特定的錯誤處理策略，但可以讓您選擇忽略它，中止解析或用U+FFFD（替換字符）替換它 - 無論您的應用程序是否有意義（請參見Section 2.7的最後一段）。如果你忽略它，流浪的代理將被rules GB4 and GB5捕獲。

雜散組合標記是完全有效的，不需要任何特殊處理。他們將被rule GB9捕獲。