Java基本数据类型——字符类型

        学过Java的同学都知道char是Java中的八大基本数据类型之一，表示单个字符，用单引号括起来。那么char是怎么表示一个字符的？带着这个疑问，我翻开《Java核心技术·卷一》重新看了一遍对char类型的讲解，发现不深刻了解字符集、字符编码，对char类型的理解只能浮于表面，基于char类型的String也不能深刻理解。

一、字符集（Character Set）

        字符（Character）是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。

        因为计算机只能存储二进制数字，所以在计算机中要表示字符，必须将字符转换成数字。字符集就是将字符转换成数字的解决方案。将多个字符放入一个集合中，给每个字符设定一个固定编号，使字符和编号一一对应，这样给计算机一个编号，它就知道是哪个字符。

        字符集有美国的ASCII、西欧的ISO 8859-1、俄罗斯的KOI-8、中国的GB 2312等，给定一个字符编号，在不同的字符集中可能代表不同的字符，这就是乱码出现的原因。所以出现了目前通用的的Unicode，它纳入了世界上几乎所有的字符，给每个字符赋予了独一无二的编号。

二、字符码（Code Point）

        字符码也叫码点，代表字符集中每一个字符对应的数字编号。每个码点对应一个真正的字符。

三、字符编码（Character Encoding）

        字符编码是将码点存储为计算机中二进制数字的实现方案。比如，ASCII总共包含128个字符，用7位（bit）存储刚好，但是计算机一般将字节（Byte）作为基本单元，所以用8位表示一个字符，最高位置0，码点从0到127。

四、UTF

        Unicode纳入了上百万个字符，但它只是一个巨大的字符集，仅仅规定了每个字符的编号，但没有指定具体的存储规则。所以产生了UTF（Unicode Transformation Format）编码格式，包括UTF-8、UTF-16、UTF-32，后面的数字表示至少使用多少位（bit）表示一个字符。

        UTF-8：变长编码格式，用1~6个字节存储单个字符；

        UTF-32：固定长度的编码格式，用4个字节存储单个字符；

        UTF-16：使用2个或者4个字节存储单个字符。

五、Java中的char类型

        UTF-16用2个字节 or 4个字节表示一个码点，2个字节（16位）通常被称为一个代码单元，也就是UTF-16编码格式中，一个字符用1个代码单元或者2个代码单元表示。

        Java中，char类型描述了UTF-16编码格式中的一个代码单元。

        所以，单个字符在Java中，用1个char或者2个char表示，对于码点在U+0000~U+FFFF范围内的，用1个char表示，码点在U+10000~U+10FFFF范围内的，用2个char才能表示。