前言：最近，想寫一篇關于介紹產生”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的，即char數據類型。在此將學到的知識做一個總結。

一、char數據類型

char類型最初用于表示Unicode字符集中的一個字符，但是隨著Unicode標準的不斷發展，其字符集不斷擴展，表示的字符隨之增加，已經超出了16位的char類型可以表示的范圍（65535），現今，char類型用于表示一個代碼單元。有些Unicode字符需要使用一個代碼單元表示，有些Unicdoe字符需要兩個代碼單元表示。關于代碼單元的概念，下文會詳細介紹，這里先有一個印象即可。

1. 字面量值

字面量值需要單引號''括起來，單引號中必須有值，其形式如下：

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

轉義字符，一般是不可打印的或者與語言的語法字符產生了沖突。

二、Unicode字符集

1. 字符集和編碼規則

我們經常會聽到Unicode、UTF-8、UTF-16這些術語，然而，它們是完全不同的概念。Unicode是字符集，UTF-8、UTF-16是編碼規則，具體概念如下：

字符集：為每一個「字符」分配了一個唯一的 ID或者編號（稱為為碼位 / 碼點 Code Point）
編碼規則：將「編號」轉換為字節序列的規則

例如，‘中’ 的碼點如下

其使用不同編碼規則，進行編碼的結果如下

2. Unicode字符集

Java設計之初Unicode字符集中的字符個數還不到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，導致Unicode字符集中的字符個數超過了65535，此時char類型已經無法表示Unicode字符集中的所有字符了。

我們先介紹一些必備的基礎知識。

碼點表示了一個字符的ID或者編號，在Unicode標準中，采用十六進制書寫，并加上前綴U+，例如U+0041（轉換為十進制即65），表示字母A的碼點。

把Unicoee字符分為17個平面，每個平面包含不同種類的字符。

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

其他平面（1到16號平面），碼點范圍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’ 會編譯報錯（ 𝕆，一個數學符號，Unicdoe字符碼點 U+1D546）

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

它借鑒了UTF-16編碼規則。

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字符。

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

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

假設為替換區域碼點分配了字符，就無法判斷該碼點是表示一個字符，還是輔助字符的第一個代碼單元或第二個代碼單元。

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

第一個代碼單元：D800到DBFF
1101 1000 0000 0000
1101 1011 1111 1111
110110XXXXXXXXXX 可以編碼10位二進制數

第二個代碼單元：DC00到DFFF
1101 1100 0000 0000
1101 1111 1111 1111
110111XXXXXXXXXX 可以編碼10位二進制數

U+10000到U+10FFFF 可以看出轉換成二進制樹最多有21位，但是我們加起來最多可以編碼20位二進制數，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"放入第二個代碼單元110111XXXXXXXXXX：1101 1101 0100 0110，對應的十六進制數：DD46

前十位（不足十位首部補0）00001101 01 放入第一個代碼單元110110XXXXXXXXXX：1101 1000 0011 0101，對應的十六進制數是：D835

因此，?，U+1D546使用兩個代碼單元表示：D835 DD46

我們在程序中如何存儲碼點在U+10000到U+10FFFF之間的字符呢？

直接存儲字符字面量值或者轉義序列\u，編譯報錯。很容易理解char類型16位正好只能存儲一個代碼單元，而該字符需要兩個代碼單元表示，無法用char類型直接表示該字符。

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

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

怎么辦，對于需要兩個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代碼單元，把U+DC00到U+DFFFF解讀為字符的第二個代碼單元，然后把兩個代碼單元解讀為一個字符。它把U+0000到U+FFFF之間除去替換區域（U+D800到U +DFFF）的代碼單元解讀為一個字符。

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碼點表示的字符'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

以上是生活随笔為你收集整理的Java char类型介绍的全部內容，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。