Unicode图表中指标XXX的含义是什么

Question

考虑Unicode Charts中C1控件和Latin-1补充的unicode图表。如果一个字符有一个字形，则显示它，如果它没有字形，则给出一个特殊的虚线和符号标记或标识符。在这种情况下，0080和0081似乎都有一些“无效标记”，我认为这是“XXX”的含义。这是什么意思？

其次，具有存储在值0x80（十六进制）或128（十进制）字符串中的值的Unicode感知字符串类型的行为应该是什么？它应该转换为其他点，例如这样的映射：

• 许多ANSI代码页中的字节值128是EURO标记。
• 存储128位十进制值相当于存储U + 20AC？

我在其MBCS和Unicode类型的特定语言或操作系统API实现中遇到的神奇的“非正交性”，以及Java的有趣处理，让我想知道，U + 0080字符的真正用途是什么？这个reference link让我感到困惑，因为它表明Java将这个字符视为欧元符号（ANSI代码页以Unicode单向友好），但它的名称是<control>，这不是我知道如何处理的。维基百科说它是PAD here

任何人都可以帮助我吗？我是否在Unicode学校跳过基础概念日？我错过了什么？

更新 0080到0098之间的块是不可打印的控制字符。我知道这个。我想知道XXX是什么意思，当我用这个值处理unicode数据时，我怎么想到这个字符呢？

Answer 1

根据Ch。中的解释。 17 {关于代码图表'Unicode Standard，p。在图573中，通过“虚线框约定”，没有可见渲染的字符“由方形虚线框表示。此框包含角色名称的简短助记符缩写。“问题中提到的字符是控制字符，位于C1控制区域。

Unicode标准说，在Ch。 16，p。 544，关于C0和C1控制：“Unicode标准规定了这些代码点的完整交换，既不增加也不减去它们的语义。控制代码的语义通常由使用它们的应用程序确定。但是，在没有特定应用程序用途的情况下，它们可以根据ISO / IEC 6429：1992中规定的控制功能语义进行解释。“方形虚线框中的缩写反映了ISO / IEC 6429：1992中给出的含义。

C1 Controls区域中的某些代码点未在ISO / IEC 6429：1992中定义。对于它们，例如U + 0080，代码表具有“XXX”代替助记符缩写。所以这表明Unicode标准没有引用那些代码点的任何含义，除了它们是具有一些抽象属性的控制字符之外。

因此，“XXX”并不意味着“无效”，而是“完全未定义的含义”。这些代码点的含义可以通过各种标准或其他约定来定义，只要它们与一般定义一致即 - 例如，将U + 0080定义为图形字符是不兼容的。

在任何字符级处理中不得替换或省略此类代码点;实际上更改数据的应用程序可以执行任何他们想要的操作，但是任何常规转换例程都必须保持这些代码点（字符）不变。不得将其视为畸形或无效;但是应用程序可能会将它们视为未定义。按照Unicode原则，对一个角色一无所知是可以的，但并不是完全错误的。

这与8位代码（如Windows-1252）中像0x80这样的字节含义无关。但如果你发送，例如标记为ISO-8859-1编码的数据（例如，其中0x80原则上是U + 0080）到Web浏览器，它实际上将其视为Windows-1252编码。原因是像U + 0080这样的字符实际上从未用于ISO-8859-1数据;在ISO-8859-1标记数据中出现0x80实际上总是windows-1252错误标记或无法有意义地处理的混乱数据。所以浏览器采用实用的路线，将ISO-8859-1视为windows-1252;这正在HTML5及相关规范中形式化。