Java中采用的是Unicode,并且使用UTF-16进行编码.
首先,Unicode中有17个代码层次,除了第一个代码层次意外其余16个代码层次全部需要2个代码单元组成.那么问题就来了:
1.String类的length()方法,在官方API中写明了是返回字符串中包含代码单元的数量,那字符串中如果有中文的话(中文属于其余16个代码层次),那一个中文对应2个代码单元,但我在实际测试当中并非得到这样的结果,而是返回字符的数量(即代码点的数量),而非代码单元的数量.这是我问题之一.
2.char在Java中以16位的形势存在,而1个代码单元占16位.对于第一代码层次UTF-16编码之后的代码单元为16位,对于其它代码层次的代码点编码之后是两个代码单元,即16*2 ＝ 32位.那么一个char类型是不足以储存其它代码层次的代码点,也无法储存需要32位才能存储的中文.但是也实际测得的结果是能够储存的.这是我问题之二.
public class Hello {
public static void main(String[] args) {
// TODO Auto-generated method stub
String green = "国家";
int countUnit = green.length();
int countPoint = green.codePointCount(0, green.length());
char character = green.charAt(0);
System.out.printf(character+" "+countUnit+" "+countPoint);
}//输出结果为国 2 2,但按照这个逻辑应该是"(一个未知的代码单元) 4 2"}`
Unicode字元編碼有兩種方案：16位元編碼與32位元編碼，對應的字元集分別稱為USC-2和USC-4。 Java語言採用USC-2字元集，即16位元Unicode字元編碼，其前128個字元與ASCII字元集完全一致，之後是其他語言文字，如拉丁文、希臘文、漢字等。
char 在java中是2個位元組。 java採用unicode，2個位元組（16位元）來表示一個字元。
不是所有的中國文字的編碼都佔用兩個代碼單元，國家二字對應的unicode編碼分別為u56fd u5bb6，一個字只佔用一個單元。而有些漢字是需要用兩個代碼單元編碼的 例如 CJK統一漢字擴充A中包含的文字 例：“