字符知识小结(面向Java语言)

1 字符种类

字符主要包括以下几种类型：

数字类型，如1、2、3等。

字符类型，如a、b、c等。

特殊字符，如#、$、%、^、&等

不可见字符，如\n（换行符）、\r（回车符）、\t（Tab字符）等。

【注意】\n（换行符）和\r（回车符）在windows系统中没有什么区别，都可以当做回车符。但是在linux系统中则是两种效果。在linux系统中，\n表示换到下一行，却不会回到行首；而\r表示光标回到行首，但仍然在本行。

2 JVM字符编码

在 JVM中，字符是使用 Unicode编码的。Unicode编码指的是UCS-2编码方式，即直接用两个字节存入字符的Unicode码。Unicode是一个很大的集合，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。需要注意的是，Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。基本多文种平面是Unicode中的一个编码区段。编码从U+0000至U+FFFF。常用汉字在此区间对应。常用字占用2个字节，在多文种平面区。冷僻字占用4个字节，在其它平面。所以，冷僻的汉字无法在Java中使用。

3 char深刻研究

（1）char的包装类是Character。

（2）char占用两个字节存储字符。存储过程为：字符->Unicode代码点->UTF-16编码格式存储->大端/小端->文件

（3）char并不能表示所有的字符，Unicode的编码空间从u\0000到u\10FFFF，而JAVA所表示的范围是：\u0000到\uFFFF，仅仅能表示65535个字符。

（4）utf-16定义：

如果字符编码小于0x10000，也就是十进制的0到65535之内，则直接使用两字节表示；如果字符编码大于0x10000，由于Unicode编码范围最大为0x10FFFF，从0x10000到0x10FFFF之间共有0xFFFFF个编码，也就是需要20个bit就可以标示这些编码。为表示从0x10000到0xFFFFF之间的值，将其前10 bit作为高位和16 bit的数值0xD800（1101 1000 0000 0000）进行逻辑or操作，将后10 bit作为低位和0xDC00（1101 1100 0000 0000）做逻辑or操作，这样组成的4个字节就构成了字符编码。