2019獨角獸企業重金招聘Python工程師標準>>>

從一段API描述談起： 在String的length的API中描述是這樣的！

lengthpublic int length() Returns the length of this string. The length is equal to the number of 16-bit Unicode characters in the string.Specified by: length in interface CharSequenceReturns: the length of the sequence of characters represented by this object.

其中有一句話：

The length is equal to the number of 16-bit Unicode characters in the string.

直譯過來就是： length的大小和 16 bit 的Unicode字符的個數相同！

1、為什么是16bit？

Unicode是包括目前世界上幾乎所有語言的字符集，每一個字符對應的一個唯一編號，這個編號規則是：常用的Unicode稱謂：BMP，包含了大量的字符集，目前Unicode版本是8.0，BMP是U+0000-U+FFFF代表的字符集。當然了后期又擴展了很多。

可以看到BMP在U+0000-U+FFFF之間的字符，每一個字符的Unicode編碼對應的是四個16進制，每個16進制用四個bit表示，所以一個Unicode就是16 bit。

所以BMP內的字符都是由16Bit組成，所以有多少個16bit就有多少個字符。

[Unicode BMP](https://en.wikipedia.org/wiki/Plane_(Unicode) Unicode和UTF-8對應關系

2、String API codePoint什么意思？

每一個16bit的Unicode就是一個codePoint

關于code point、code unit的對應關系：

wikipedia關于code_point

3、code unit是個什么概念？

The code unit size is equivalent to the bit measurement for the particular encoding:

A code unit in US-ASCII consists of 7 bits; A code unit in UTF-8, EBCDIC and GB18030 consists of 8 bits; A code unit in UTF-16 consists of 16 bits; A code unit in UTF-32 consists of 32 bits. 翻譯： 在US-ASCII中一個code unit代表7bits 在UTF-8，EBCDIC和GB18080中一個code unit代表8bits 在UTF-16中一個code unit代表16bits 在UTF-32中一個code unit代表32bits

總結：

code point是從unicode上定義的概念，是指一個字符集比如A代表的16bits。也就是字符的個數。

比如：

String s = "π王A23";//π用Unicode代表一個16bit的code point//王用Unicode代表一個16bit的code point//A用Unicode代表一個16bit的code point//2用Unicode代表一個16bit的code point//3用Unicode代表一個16bit的code pointSystem.out.println("字符串s的長度為："+s.length());System.out.println("第三個code point為："+s.codePointAt(2));

輸出：

字符串s的長度為：5 第三個code point為：65

其中5代表5geunicode字符，每個字符是一個16bit的unicode。 65是代表字母A的標示。是第三個字符A

關于unicode學習最好的方式就是參考Wikipedia中的講述

轉載于:https://my.oschina.net/u/2525142/blog/618823

總結

以上是生活随笔為你收集整理的code point，code unit的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。