微软称wchar_t可存储任意Unicode字符是否属实？兼析文档矛盾

问题背景 #

在学习Unicode与wchar_t相关知识时，发现微软官方文档存在两处矛盾表述，核心疑问是：单个wchar_t是否能存储任意Unicode字符？这直接影响项目中wchar_t[]字符串的替换操作逻辑。

矛盾的文档表述 #

第一份文档表述 #

宽字符是一种2字节的多语言字符编码。现代计算中使用的任意字符，包括技术符号与特殊出版字符，均可按照Unicode规范表示为宽字符。Unicode标准由包含微软在内的大型联盟开发维护，现已被广泛接受。
宽字符的类型为wchar_t。宽字符字符串以wchar_t[]数组表示，可通过wchar_t*指针指向该数组。

第二份文档表述 #

Windows采用UTF-16编码表示Unicode字符，每个字符被编码为一个或两个16位值。

澄清与结论 #

第二份文档的表述是准确的，第一份文档的描述存在歧义或过时问题：

• Windows平台下的wchar_t是16位数据类型，对应UTF-16编码。
• Unicode字符集中，只有属于基本多语言平面（BMP）的码点（U+0000到U+FFFF）可以用单个wchar_t存储；超出BMP的码点（如部分emoji、罕见语言字符）需要用两个wchar_t组成的代理对来表示。
• 第一份文档的表述可能是早期Unicode规模较小时的遗留描述，或是将“表示为宽字符字符串”混淆为“单个宽字符存储”——实际上任意Unicode字符都可以用宽字符字符串（即wchar_t数组）表示，但不一定是单个wchar_t。

对项目操作的影响 #

由于部分Unicode字符需要两个wchar_t存储，你无法直接通过索引替换wchar_t[]中的元素：

• 若直接替换某个索引的wchar_t，可能破坏原字符串中的代理对，导致乱码。
• 正确的做法是先解析字符串，识别每个Unicode字符对应的wchar_t序列（1或2个元素），再针对完整的字符进行替换操作，确保不破坏编码结构。

内容的提问来源于stack exchange，提问作者Binarus