不是用来写字的码点:边界、保留、私用与回退记号

一面 🇹🇼 在中国大陆的设备上只显示成两个字母方块 🇹🇼,一个 U+10FFFF 是整个 Unicode 的最后一个码点—— 它们提醒我们:code point ≠ 普通可见字符。码空间 U+0000 ~ U+10FFFF 里,有的码点是边界、 有的永久保留给机制(代理区)、有的标准永不定义(私用区 / 非字符)、有的是控制 / 回退记号 (替换符 �、bidi 反转、单用的 Regional Indicator)。这页拿一个探针把它们逐一点出来,再看它们在 JS 里真实的行为。

码点探针:拖一个码点,看它是什么「身份」

输入 / 拖一个 code point(0 ~ 0x10FFFF),实时报它落在哪个区、是不是合法 scalar value、属不属于代理 / 非字符 / 私用,以及本浏览器 \p{…} 怎么判它:

码空间地图:17 个平面与特殊区段

Unicode 码空间分成 17 个平面,每个平面 65536 个码点,共 1,114,112 个——尽头正是 U+10FFFF。 大多数平面是文字,特殊用意的区段集中在几个平面里(绿色):

把这些「特殊区段」摊开成一张表,连同 JS \p{…} 能不能认它:

现场:这些码点在 JS 里到底怎么表现

上面是「身份」,这里是「行为」——四个最常撞见的特殊码点,数值全是当场算出来的,不是写死的:

番外:花钱「赞助」一个字符,是怎么回事?

一个常见误解:「私用区是不是 Unicode 卖给 / 留给赞助商的?」——不是。私用区是谁都能用的公共空白, 标准只承诺永不在那里放官方字符,含义靠私下约定(见上表 PUA 行),没有谁能买断。 真正和「赞助」有关的是另一件事:Unicode Consortium 的 Adopt a Character 募捐项目。