Surrogate Pair

サロゲートペアは、補助平面のコードポイント（U+10000～U+10FFFF）を 2 個の 16 ビットコードユニットで表す UTF-16 の仕組みである。

目的

UTF-16 が BMP 以外の Unicode 全体を 16 ビットコードユニットでカバーしつつ、BMP 文字は 1 ユニットの効率を保てるようにする。

メカニズム

補助コードポイント C から 0x10000 を引くと 0～0xFFFFF の 20 ビット値が得られる。上位 10 ビット＋0xD800 が上位サロゲート（0xD800-0xDBFF）、下位 10 ビット＋0xDC00 が下位サロゲート（0xDC00-0xDFFF）である。復号は逆の計算を行う。

ユースケース

Emoji 文字列の扱い（例：😀 = U+1F600）
JavaScript の文字列の長さと繰り返し
Windows API でのワイド文字処理
古代文字や希少文字のレンダリング

例

入力
```
😀
```
Output
```
\uD83D\uDE00
```
High surrogate D83D plus low surrogate DE00

よくあるエラー

Splitting a surrogate pair by truncating mid-pair, creating lone surrogates: Iterate code points with for...of or Array.from

関連用語

UTF-16はUnicodeの可変長符号化形式で、符号位置あたり2バイトまたは4バイトを使用する。BMPの文字は1つの16ビット符号単位、追加面の文字はサロゲートペア（2単位）で表する。

Unicode は国際的な文字符号化標準で、世界中のほぼすべての文字体系の各文字に一意の符号位置（U+0000〜U+10FFFF）を割り当てる。符号空間は 1,114,112 点である。

符号位置（コードポイント）とは、Unicode 標準が各文字に割り当てる数値（U+0000 〜 U+10FFFF）であり、符号空間におけるその文字の位置番号である。

BOM（バイトオーダーマーク）は Unicode 文字 U+FEFF であり、テキストストリームの先頭に置いて符号化形式とバイト順を示す。

関連ツール

Unicode コンバーター

Convert text to Unicode code points, UTF-8 hex, or UTF-16 hex online。無料、プライベート、100%クライアントサイド。

文字コードリファレンス

Reference table of character encodings。無料、プライベート、100%クライアントサイド。

References