char类型与Unicode的编码
的char型是⾮常独特的，占⽤两个字节，因为Java中char型采⽤了Unicode编码。
要理解这个问题，我们必须要理解什么是Unicode。
世界上存在着多种编码⽅式，同⼀个⼆进制数字可以被解释成不同的符号。因此，要想打开⼀个⽂本⽂件，就必须知道它的编码⽅式，否则⽤错误的编码⽅式解读，就会出现乱码。为什么电⼦邮件常常出现乱码？就是因为发信⼈和收信⼈使⽤的编码⽅式不⼀样。可以想象，如果有⼀种编码，将世界上所有的符号都纳⼊其中。每⼀个符号都给予⼀个独⼀⽆⼆的编码，那么乱码问题就会消失。
Unicode的学名是"Universal Multiple-Octet Coded Character Set"，简称为UCS。UCS可以看作是"Unicode Character Set"的缩写。与ASC2和ISO-8859-1类似，Unicode是⼀种编码⽅式，但是它所包括字符的范围却与之前的所有编码⽅式有着天壤之别。Unicode是⼀个囊括了⼏乎世界上所有⽂字的字符编码表。它的⽬标是任何⽂字都可以在其中到唯⼀的编码，例如0041表⽰了字符A，⽐如，U+0639表⽰阿拉伯字母Ain，U+0041表⽰英语的⼤写字母A，U+4E25表⽰汉字“严”。它所要解决的主要问题是：不同语⾔和地区之间字符编码转换的问题，如果采⽤了Unicode编码的话则不需要在不同的字符集之间切换，因为都包括在Unicode当中。
Unicode 的实现⽅式不同于编码⽅式。⼀个字符的 Unicode 编码是确定的。但是在实际传输过程中，由于不同系统平台的设计不⼀定⼀致，以及出于节省空间的⽬的，对 Unicode 编码的实现⽅式有所不同，具体由UTF(UCS Transformation Format)规范规定，常见的UTF规范包括UTF-8、UTF-16、UTF-32。
java语言使用的字符码集是
Java语⾔中char类型采⽤UTF-16编码格式。
从JDK1.5开始，代码点（code point）是指与⼀个编码表中某个字符对应的代码值。在Unicode标准中，代码点采⽤16进制数写，并加上前缀U+，例如U+0041就是字母A的代码点。Unicode代码点可以分成17个代码级别（code plane）。第⼀个代码级别称为基本的多语⾔级别（basic multilingual plane），代码点从U+0000到U+FFFF，其中包括了经典的Uncode代码；其余16个附加级别，代码点从U+10000带U+10FFFF，其中包括了⼀些辅助字符（supplementary character）。
UTF-16它采⽤不同长度的编码表⽰所有的Unicode代码点（是⼀种变长的编码⽅式）。在基本的多语⾔级别中，每个字符⽤16位表⽰，通常被称为代码单元（code unit）；⽽辅助字符采⽤⼀对连续的代码单元惊醒编码。这样构成的代码值⼀定落⼊基本的多语⾔级别中空闲的2048字节内，通常被称为替代区域（surrogate area）（U+D800到U+DBFF⽤于第⼀个代码单元，U+DC00到U+DFFF⽤于第⼆个代码单元）。这种设计⼗分巧妙，我们可以从中迅速的知道⼀个代码单元是⼀个字符编码，还是⼀个辅助字符的第⼀或第⼆部分。
强烈建议不要再程序中使⽤char类型，除⾮确实需要对UTF-16代码单元进⾏操作。最好将需要处理的字符串⽤抽象数据类型表⽰。可以采⽤转义序列符/u表⽰Unicode代码单元。（为什么呢？）
写了段代码，从中可以可以基本理解Java的char、Unicode、代码点和代码单元的概念了，详见
的char型是⾮常独特的，占⽤两个字节，因为Java中char型采⽤了Unicode编码。
要理解这个问题，我们必须要理解什么是Unicode。
世界上存在着多种编码⽅式，同⼀个⼆进制数字可以被解释成不同的符号。因此，要想打开⼀个⽂本⽂件，就必须知道它的编码⽅式，否则⽤错误的编码⽅式解读，就会出现乱码。为什么电⼦邮件常常出现乱码？就是因为发信⼈和收信⼈使⽤的编码⽅式不⼀样。可以想象，如果有⼀种编码，将世界上所有的符号都纳⼊其中。每⼀个符号都给予⼀个独⼀⽆⼆的编码，那么乱码问题就会消失。
Unicode的学名是"Universal Multiple-Octet Coded Character Set"，简称为UCS。UCS可以看作是"Unicode Character Set"的缩写。与ASC2和ISO-8859-1类似，Unicode是⼀种编码⽅式，但是它所包括字符的范围却与之前的所有编码⽅式有着天壤之别。Unicode是⼀个囊括了⼏乎世界上所有⽂字的字符编码表。它的⽬标是任何⽂字都可以在其中到唯⼀的编码，例如0041表⽰了字符A，⽐如，U+0639表⽰阿拉伯字母Ain，U+0041表⽰英语的⼤写字母A，U+4E25表⽰汉字“严”。它所要解决的主
要问题是：不同语⾔和地区之间字符编码转换的问题，如果采⽤了Unicode编码的话则不需要在不同的字符集之间切换，因为都包括在Unicode当中。
Unicode 的实现⽅式不同于编码⽅式。⼀个字符的 Unicode 编码是确定的。但是在实际传输过程中，由于不同系统平台的设计不⼀定⼀致，以及出于节省空间的⽬的，对 Unicode 编码的实现⽅式有所不同，具体由UTF(UCS Transformation Format)规范规定，常见的UTF规范包括UTF-8、UTF-16、UTF-32。
Java语⾔中char类型采⽤UTF-16编码格式。
从JDK1.5开始，代码点（code point）是指与⼀个编码表中某个字符对应的代码值。在Unicode标准中，代码点采⽤16进制数写，并加上前缀U+，例如U+0041就是字母A的代码点。Unicode代码点可以分成17个代码级别（code plane）。第⼀个代码级别称为基本的多语⾔级别（basic multilingual plane），代码点从U+0000到U+FFFF，其中包括了经典的Uncode代码；其余16个附加级别，代码点从U+10000带U+10FFFF，其中包括了⼀些辅助字符（supplementary character）。
UTF-16它采⽤不同长度的编码表⽰所有的Unicode代码点（是⼀种变长的编码⽅式）。在基本的多语⾔级别中，每个字符⽤16位表⽰，通常被称为代码单元（code unit）；⽽辅助字符采⽤⼀对连续的代码单元惊醒编码。这样构成的代码值⼀定落⼊基本的多语⾔级别中空闲的2048字节内，通常被称为替
代区域（surrogate area）（U+D800到U+DBFF⽤于第⼀个代码单元，U+DC00到U+DFFF⽤于第⼆个代码单元）。这种设计⼗分巧妙，我们可以从中迅速的知道⼀个代码单元是⼀个字符编码，还是⼀个辅助字符的第⼀或第⼆部分。
强烈建议不要再程序中使⽤char类型，除⾮确实需要对UTF-16代码单元进⾏操作。最好将需要处理的字符串⽤抽象数据类型表⽰。可以采⽤转义序列符/u表⽰Unicode代码单元。（为什么呢？）
写了段代码，从中可以可以基本理解Java的char、Unicode、代码点和代码单元的概念了，详见

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。