前言：最近，想寫一篇關(guān)于介紹產(chǎn)生”亂碼問題“根本原因的文章，因此，查看了Java中的字符是如何存儲(chǔ)的，即char數(shù)據(jù)類型。在此將學(xué)到的知識(shí)做一個(gè)總結(jié)。

一、char數(shù)據(jù)類型

char類型最初用于表示Unicode字符集中的一個(gè)字符，但是隨著Unicode標(biāo)準(zhǔn)的不斷發(fā)展，其字符集不斷擴(kuò)展，表示的字符隨之增加，已經(jīng)超出了16位的char類型可以表示的范圍（65535），現(xiàn)今，char類型用于表示一個(gè)代碼單元。有些Unicode字符需要使用一個(gè)代碼單元表示，有些Unicdoe字符需要兩個(gè)代碼單元表示。關(guān)于代碼單元的概念，下文會(huì)詳細(xì)介紹，這里先有一個(gè)印象即可。

1. 字面量值

字面量值需要單引號(hào)''括起來，單引號(hào)中必須有值，其形式如下：

• 單個(gè)Unicode字符，最常見的形式，例如，'A'、'中'；
• 轉(zhuǎn)義序列\(zhòng)u，范圍\u0000~\uFFFF，例如， '\u2122' 表示字符?，'\u03C0'表示字符'π'；
• 特殊字符的轉(zhuǎn)義序列，例如'\n'表示換行，'\''表示單引號(hào)。

轉(zhuǎn)義字符，一般是不可打印的或者與語言的語法字符產(chǎn)生了沖突。

二、Unicode字符集

1. 字符集和編碼規(guī)則

我們經(jīng)常會(huì)聽到Unicode、UTF-8、UTF-16這些術(shù)語，然而，它們是完全不同的概念。Unicode是字符集，UTF-8、UTF-16是編碼規(guī)則，具體概念如下：

字符集：為每一個(gè)「字符」分配了一個(gè)唯一的 ID或者編號(hào)（稱為為碼位 / 碼點(diǎn) Code Point）
編碼規(guī)則：將「編號(hào)」轉(zhuǎn)換為字節(jié)序列的規(guī)則

例如，‘中’ 的碼點(diǎn)如下

其使用不同編碼規(guī)則，進(jìn)行編碼的結(jié)果如下

2. Unicode字符集

Java設(shè)計(jì)之初Unicode字符集中的字符個(gè)數(shù)還不到65536的一半，所以使用16位的char類型完全可以表示所有字符，但是，隨著中、日、韓等其它字符的加入，導(dǎo)致Unicode字符集中的字符個(gè)數(shù)超過了65535，此時(shí)char類型已經(jīng)無法表示Unicode字符集中的所有字符了。

我們先介紹一些必備的基礎(chǔ)知識(shí)。

碼點(diǎn)表示了一個(gè)字符的ID或者編號(hào)，在Unicode標(biāo)準(zhǔn)中，采用十六進(jìn)制書寫，并加上前綴U+，例如U+0041（轉(zhuǎn)換為十進(jìn)制即65），表示字母A的碼點(diǎn)。

把Unicoee字符分為17個(gè)平面，每個(gè)平面包含不同種類的字符。

基本的多語言平面，碼點(diǎn)范圍U+0000~U+FFFF，表示了我們各個(gè)國家常用的字符，也是開始的char類型可以表示的字符。

其他平面（1到16號(hào)平面），碼點(diǎn)范圍U+10000~U+10FFFF，表示輔助字符，例如我們的不常用的繁體字等等，char類型無法直接表示這些字符，例如，char = '‘𝕆’ 會(huì)編譯報(bào)錯(cuò)（ 𝕆，一個(gè)數(shù)學(xué)符號(hào)，Unicdoe字符碼點(diǎn) U+1D546）

那么，char如何表示碼點(diǎn)在U+10000~U+10FFFF之間的Unicode字符呢？

它借鑒了UTF-16編碼規(guī)則。

UTF-16使用不同長度的編碼表示所有Unicode字符。在基本的多語言平面中，使用16位表示一個(gè)字符，稱為代碼單元，而其他平面的輔助字符需要使用32位，也就是一對代碼單元表示一個(gè)字符。

U+D800~U+DBFF表示第一個(gè)代碼單元，U+DC00~U+DFFF表示第二個(gè)代碼單元。

U+D800~U+DFFF，這一段碼點(diǎn)稱為替換區(qū)域，可以看出它屬于基本的多語言平面（U+0000~U+FFFF）的范圍，為了避免產(chǎn)生歧義或沖突，替換區(qū)域的碼點(diǎn)沒有沒配給任何字符。

假設(shè)為替換區(qū)域碼點(diǎn)分配了字符，就無法判斷該碼點(diǎn)是表示一個(gè)字符，還是輔助字符的第一個(gè)代碼單元或第二個(gè)代碼單元。

具體讓我們看一下如何表示字符 ‘?’ （Unicdoe字符碼點(diǎn) U+1D546）?

第一個(gè)代碼單元：D800到DBFF
1101 1000 0000 0000
1101 1011 1111 1111
110110XXXXXXXXXX 可以編碼10位二進(jìn)制數(shù)

第二個(gè)代碼單元：DC00到DFFF
1101 1100 0000 0000
1101 1111 1111 1111
110111XXXXXXXXXX 可以編碼10位二進(jìn)制數(shù)

U+10000到U+10FFFF 可以看出轉(zhuǎn)換成二進(jìn)制樹最多有21位，但是我們加起來最多可以編碼20位二進(jìn)制數(shù)，怎么辦？

將范圍偏移-10000，范圍變成了U+0000到U+FFFFF，如此，就滿足20位編碼了。

? U+1D546 偏移后U+D546

1101 0101 0100 0110

后十位“01 0100 0110"放入第二個(gè)代碼單元110111XXXXXXXXXX：1101 1101 0100 0110，對應(yīng)的十六進(jìn)制數(shù)：DD46

前十位（不足十位首部補(bǔ)0）00001101 01 放入第一個(gè)代碼單元110110XXXXXXXXXX：1101 1000 0011 0101，對應(yīng)的十六進(jìn)制數(shù)是：D835

因此，?，U+1D546使用兩個(gè)代碼單元表示：D835 DD46

我們在程序中如何存儲(chǔ)碼點(diǎn)在U+10000到U+10FFFF之間的字符呢？

直接存儲(chǔ)字符字面量值或者轉(zhuǎn)義序列\(zhòng)u，編譯報(bào)錯(cuò)。很容易理解char類型16位正好只能存儲(chǔ)一個(gè)代碼單元，而該字符需要兩個(gè)代碼單元表示，無法用char類型直接表示該字符。

總結(jié)：現(xiàn)在，char類型用于描述一個(gè)代碼單元。對于基本的多語言平面中的字符（碼點(diǎn)范圍U+0000到U+FFFF，不包含替換區(qū)域）可以使用一個(gè)代碼單元表示，也就是一個(gè)char值。對于其他平面的字符（碼點(diǎn)范圍U+10000到U+10FFFF)可以使用兩個(gè)代碼單元表示，也就是兩個(gè)char值。

嚴(yán)格來說，char類型可以表示使用一個(gè)代碼單元表示的Unicode字符，char類型無法直接表示兩個(gè)代碼單元表示的字符。

怎么辦，對于需要兩個(gè)代碼單元表示的字符就不能使用了嗎?
不是的，我們可以把他們放在字符串類型中，字符串是由字符構(gòu)成的，它把U+D800到U+DBFF之間的代碼單元解讀為字符的第一個(gè)代碼單元，把U+DC00到U+DFFFF解讀為字符的第二個(gè)代碼單元，然后把兩個(gè)代碼單元解讀為一個(gè)字符。它把U+0000到U+FFFF之間除去替換區(qū)域（U+D800到U +DFFF）的代碼單元解讀為一個(gè)字符。

String str = "\uD835\uDD46";

最后的建議，程序中最好不要使用char類型，除非你想處理代碼單元。像操作Unicode字符，可以使用Java中的String類型。

public static void main(String[] args) {// 字符串中放入需要兩個(gè)碼點(diǎn)表示的字符'𝕆'String str = "𝕆A";// 獲取索引為0的代碼單元，而不是字符char ch0 = str.charAt(0);char ch1 = str.charAt(1);char ch2 = str.charAt(2);System.out.println(ch0);System.out.println(ch1);System.out.println(ch2);}

有些字符不能被正確的處理

總結(jié)

以上是生活随笔為你收集整理的Java char类型介绍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。