读取UTF-16字节流以确定一个字符占用多少字节的规则是什么？我读过这些标准，但根据对真实世界UTF-16编码流的经验观察，似乎有些地方的标准不成立(或者我遗漏了标准的某个方面)。
从阅读UTF-16标准https://www.rfc-editor.org/rfc/rfc2781:
| 前导2字节的值 | 结果字符长度(字节) |
|---|---|
0x0000-0xC7FF |
2 |
0xD800-0xDBFF |
4 |
0xDC00-0xDFFF |
无效序列(RFC2781 2.2.2) |
0xDFFF-0xFFFF |
4 |
所有这些的形式定义称为"；扩展的字形簇；它在Unicode文本分割报告中进行了定义。正如约阿希姆·绍尔所指出的，谨慎使用"；字符"；在Unicode中。
代码点是什么"；U+"语法是指并试图捕获"；单位"；书面语言，例如"；尖锐的口音"但读者对一个字符(例如"带尖锐口音的e")的看法是"a"；字形簇"；并且由一个或多个代码点组成。最终呈现在屏幕上的是"；字形"；这既依赖于上下文又依赖于字体。
Unicode中的字形簇实际上比这更微妙。Unicode试图将它们定义为"；"中性"；方法(在考虑语言时，确实没有"中性"这回事，但Unicode确实尝试过。)例如，在斯洛伐克语中，ch、dz和dž都是一个字母，但在Unicode中被视为两个字形簇。(试着数一个斯洛伐克单词中的"字母"。有些单词包含字母dz，其他单词的字母d后面跟着字母z。哦，人类的书写系统。我太爱你了。)
字形簇到字形的映射也很复杂。例如，在阿拉伯语中，单一的字形是两个字形簇，一个是字母(阿拉伯语字母LAM)，另一个是ا(阿拉伯语字母ALEF)。如果您使用鼠标选择图示符，您将看到有两个可选择的部分，如果您将它们复制并粘贴到另一个窗口，则会看到它们转换为其组成部分。(为了使事情变得更加复杂，Unicode还为ligature定义了一个单独的代码点，ARABIC ligature LAM WITH ALEF ISOLATED FORM：ﻻ.如果你试着选择其中的一部分，你会发现你做不到。这是一个"；性格")
你的具体情况有点特殊。变体选择器早于Unicode，主要用于处理汉(中文)字符的不同变体。然而，与所有Unicode功能一样，它最终主要用于表情符号。VS-16是"；表情符号；演示形式。最著名的例子是红心，它是沉重的黑心❤,接着是VS-16：❤️.
类似地，您的角色U+2695 AESCULAPIUS STAFF是一个代码点，默认情况下(文本样式)如下：⚕.当您添加VS-16时，它以"；表情符号风格"：⚕️.在某些方面；性格"还是这样？这取决于你用它做什么。
表情符号风格通常稍大一点，以其块为中心，有时会添加颜色。请注意，在每种情况下，五线谱后面的句点都画在哪里(第二个例子中没有额外的空格；字形只是宽得多)。
还有其他组合系统：
- U+0031:1
- U+0031 U+20e3:1⃣(+组合封装KEYCAP，默认文本样式)
- U+0031 U+20e3 U+fe0f:1⃣️(+变体选择器-16，表情符号风格)
所有这些都早于Unicode。现代表情符号要复杂得多，包括几个自己的组合系统(包括两个目前仅用于标志的组合系统)。
但幸运的是，对于你的实际问题，你的妻子是正确的，你通常可以消耗所有标记为"；组合"；以形成扩展的字形簇；字符"；对于"；性格">
您的所有断言都是完全正确的；您对UTF-16标准的解释是正确和完整的。
然而，在你的经验观察中，你假设你只有一个性格。实际上，您已经遇到了Unicode实现的细微差别。您的"；字符"；实际上是两个(尽管在技术上不是视觉上)：U+2695〃；AESCULAPIUS的工作人员之后是U+FE0F"；变异选择器-16">。第二个字符是非空格标记，它与基字符组合用于呈现字符变体。
这会产生字节序列26 95 FE 0F，但正如您所注意到的，这两个字都不在UTF-16保留扩展字符范围内。但这是因为两者都不需要UTF-16 4字节扩展名。它们被简单地分类为两个离散的Unicode字符。
来自ISO 10646:通用编码字符集(UCS)中的7.9组合标记：，
组合标记是Unicode标准中的一类特殊字符用于与前面的一个字符组合，称为它们的基。
组合标记通常具有可见的字形形式…组合标记可能以各种方式与相邻字符进行图形交互。
http://unicode.org/L2/L2010/10038-fcd10646-main.pdf
解释我为什么要回答自己的问题；我把我的SO问题都准备好了。我妻子走进我的办公室；她回头看了我一眼，对着我的耳朵轻声说："；你知道组合字符是一种东西，对吧&"；。然而，我仍然问了这个问题，并亲自回答，以防我妻子的甜言蜜语帮助了社区的另一位成员