R中stri_unescape_unicode无法解析高位私有Unicode码点的问询

• 背景
• 问题
• 疑问

在R语言环境中，stringi::stri_unescape_unicode()可用于将Unicode码点转换为对应字符。

例如，á（带重音的小写拉丁字母A）和好的Unicode码点分别为U+00E1和U+597D，执行以下代码即可插入这些字符：

library(stringi)

stringi::stri_unescape_unicode("\\u00E1")
stringi::stri_unescape_unicode("\\u597D")

输出结果：

[1] "á"
[1] "好"

Unicode标准中指定了三类私有使用码点范围：U+E000..U+F8FF、U+F0000..U+FFFFD和U+100000..U+10FFFD，这些码点的用途由使用者自行定义。

各范围的边界字符如下：

• 第一范围： (U+E000)
• 第一范围： (U+F8FF)
• 第二范围：󰀀 (U+F0000)
• 第二范围：󿿽 (U+FFFFD)
• 第三范围：􀀀 (U+100000)
• 第三范围：􏿽 (U+10FFFD)

打印第一范围的字符时，结果符合预期：

stringi::stri_unescape_unicode("\\ue000")
stringi::stri_unescape_unicode("\\uf8ff")

输出结果：

[1] ""
[1] ""

但打印第二范围的字符时，无法得到对应字符：

stringi::stri_unescape_unicode("\\uf0000")
stringi::stri_unescape_unicode("\\uffffd")

输出结果：

[1] "0"
[1] "\uffffd"

第三范围的字符同样无法正常转换显示：

stringi::stri_unescape_unicode("\\u100000")
stringi::stri_unescape_unicode("\\u10fffd")

输出结果：

[1] "က00"
[1] "ჿfd"

1. 为何stringi::stri_unescape_unicode()无法显示U+F0000..U+FFFFD或U+100000..U+10FFFD范围内的字符？
2. R语言中是否存在可返回这些字符的函数？

内容的提问来源于stack exchange，提问作者Rodrigo Morales