7. Strings (Zeichenketten)

Die Darstellung von Zeichenketten ist ähnlich den Konventionen, die in der C-Familie von Programmiersprachen verwendet werden. Eine Zeichenkette beginnt und endet mit Anführungszeichen. Alle Unicode-Zeichen können innerhalb der Anführungszeichen platziert werden, mit Ausnahme der Zeichen, die maskiert werden müssen (MUST): Anführungszeichen, umgekehrter Schrägstrich und die Steuerzeichen (U+0000 bis U+001F).

Jedes Zeichen kann maskiert werden. Wenn sich das Zeichen in der Basis-Mehrsprachigen-Ebene (Basic Multilingual Plane, BMP) (U+0000 bis U+FFFF) befindet, kann es als Sechs-Zeichen-Sequenz dargestellt werden: ein umgekehrter Schrägstrich, gefolgt vom Kleinbuchstaben u, gefolgt von vier hexadezimalen Ziffern, die den Codepunkt des Zeichens kodieren. Die Hexadezimalbuchstaben A bis F können groß oder klein geschrieben werden. So kann beispielsweise eine Zeichenkette, die nur ein einzelnes umgekehrtes Schrägstrich-Zeichen enthält, als "\u005C" dargestellt werden.

Alternativ gibt es Zwei-Zeichen-Sequenz-Escape-Darstellungen einiger beliebter Zeichen. So kann beispielsweise eine Zeichenkette, die nur ein einzelnes umgekehrtes Schrägstrich-Zeichen enthält, kompakter als "\\" dargestellt werden.

Um ein erweitertes Zeichen zu maskieren, das sich nicht in der Basis-Mehrsprachigen-Ebene befindet, wird das Zeichen als 12-Zeichen-Sequenz dargestellt, die das UTF-16-Surrogatpaar (Surrogate Pair) kodiert. So kann beispielsweise eine Zeichenkette, die nur das G-Schlüssel-Zeichen (U+1D11E) enthält, als "\uD834\uDD1E" dargestellt werden.

string = quotation-mark *char quotation-mark

char = unescaped /
    escape (
        %x22 /          ; "    quotation mark  U+0022
        %x5C /          ; \    reverse solidus U+005C
        %x2F /          ; /    solidus         U+002F
        %x62 /          ; b    backspace       U+0008
        %x66 /          ; f    form feed       U+000C
        %x6E /          ; n    line feed       U+000A
        %x72 /          ; r    carriage return U+000D
        %x74 /          ; t    tab             U+0009
        %x75 4HEXDIG )  ; uXXXX                U+XXXX

escape = %x5C              ; \
quotation-mark = %x22      ; "
unescaped = %x20-21 / %x23-5B / %x5D-10FFFF

---