一尘不染

以UTF-16或UTF-32编码JSON

json

JSON RFC,第2.5节,说部分:

为了转义不在“基本多语言平面”中的扩展字符,该字符表示为十二个字符的序列,对UTF-16代理对进行编码。因此,例如,仅包含G谱号字符(U +
1D11E)的字符串可以表示为“ \ uD834 \ uDD1E”。

假设我有合理的理由将JSON编码为UTF-16BE(允许)。这样做时,是否仍然需要转义基本多语言平面中没有的字符?例如,代替此:

00 5C 00 75 00 44 00 38 00 33 00 34 00 5C 00 75 00 44 00 44 00 31 00 45
  \     u     D     8     3     4     \     u     D     D     1     E

这是的24字节UTF-16BE字节序列\uD834\uDD1E,这样做是否合法:

D8 34 DD 1E

即直接使用4字节的UTF-16BE值?

同样,如果我要编码与UTF-32BE相同的JSON字符串,我是否可以直接使用代码点值:

00 01 D1 1E


阅读 490

收藏
2020-07-27

共1个答案

一尘不染

据我所知,是的,您可以直接编写UTF-16值。支持:您引用的RFC段落说明了 如果决定 转义任意Unicode的方式, 如何 转义
。但是,在同一部分的前面,RFC表示

__除必须转义的字符外, 所有 Unicode字符 可以放在引号内:引号,反斜线和控制字符(U +
0000至U + 001F)。 __

任何字符 可以转义。如果字符在基本多语言平面中(U + 0000到U + FFFF),则可以将其表示为六个字符的序列…

(已添加重点。)

对我来说,这是说只"\和控制字符 必须 进行转义,任何其他Unicode字符 可以
被放置原样直接进入JSON文本(在任何UTF形式您正在使用)。这也对我说,即使你是编码为UTF-8,你并不需要使用\uXXXX表单以外的任何Unicode字符"\和控制字符。

(顺便说一句,这的确使我想知道该\uXXXX表单是否对控制字符以外的其他内容是否真的有用。正如另一个张贴者所说,它可能归结为您的JSON解析器实际支持的内容。)

2020-07-27