UTF-8和UTF-16扩展方案

UTF-8最多到31位，UTF-16只能编码0x 0~10FFFF，这些编码能力现在看来够用了，但并不保证未来够用。以后unicode如果出现大幅扩充，用UTF-8和UTF-16也要能表示，所以，有了本文所描述的扩展方案。

1

主要针对UTF-16。它有三种模式

xxxxxxxx xxxxxxxx → A模式
110110xx xxxxxxxx → B模式
110111xx xxxxxxxx → C模式

大部分字符用A模式可以描述，对于大于65536的，用BC模式，即一个B表示高位，一个C表示低位。

如果B和C用高和低来理解，就无法理解BBC和BBBC等。所以，应该理解C模式为“终止”，这样一来，就能无限扩充UTF-16的表达能力。

例如，BBBBBC，12字节，能表达60位，在64位计算机上，这算是极限了。

另外，UTF-16规定了U=U’+0x10000，这出现于BC模式，用于把表示范围从0~FFFFF扩充至10000~10FFFF。

在BBC、BBBC、BBBBC等模式中，是否还要加0x10000，有待考虑。出于兼容现在的UTF-16，仅在BC模式下加上0x10000就够了。

2

对于UTF-8，扩充将使它失去一部分优美特性，例如，扩充到8字节时，就成了：
11111111 0xxxxxxx (10xxxxxx)*6
第二字节和单字节模式重复了，分不清是8字节模式的第二字节，还是一个ASCII码，这导致UTF-8不那么优美了。