解析UTF-16流并从编码错误中恢复

Question

我正在实现一个简单的行/列计数算法，用于计算UTF-16流中的“字形”。像往常一样，处理错误是棘手的部分。

E.g.如何处理一个低代理或合并字符下一个新行？

标准建议如何处理这个问题？中止解析？尝试重新同步？如果是这样，怎么样？

我知道一个可能的答案是“RTFM”，但鉴于标准的庞大规模，该任务有点令人生畏。

Answer 1

如果您没有相应的高代孕项目的代孕人低，那么你有一个无效的UTF-16序列。该标准没有强制执行特定的错误处理策略，但可以让您选择忽略它，中止解析或用U+FFFD（替换字符）替换它 - 无论您的应用程序是否有意义（请参见Section 2.7的最后一段）。如果你忽略它，流浪的代理将被rules GB4 and GB5捕获。

杂散组合标记是完全有效的，不需要任何特殊处理。他们将被rule GB9捕获。