Una rappresentazione codificata di un singolo carattere è costituito da una sequenza di due unità di codice a 16 bit, in cui il primo valore della coppia è un'unità di codice surrogato alto nell'intervallo compreso tra U + D800 e U + DBFF e il secondo valore è un'unità di codice surrogato basso nell'intervallo tra U + DC00 e U + DFFF. Coppie di surrogati forniscono un meccanismo di estensione per la codifica 917 476 caratteri senza richiedere l'uso di caratteri a 32 bit.