UTF-16理解学习（java）

最新推荐文章于 2024-06-21 20:06:37 发布

csdn_idiot

最新推荐文章于 2024-06-21 20:06:37 发布

阅读量756

点赞数 1

分类专栏：重走java之路

本文链接：https://blog.csdn.net/csdn_idiot/article/details/106094978

版权

重走java之路专栏收录该内容

2 篇文章 0 订阅

订阅专栏

巩固java知识，java核心卷对于UTF-16的论述,让我的理解有点模糊。因此查了下UTF-16的wiki文档，理解了下。

总结一下：Unicode编码从U+0000到U+10FFFF，共有1,112,064个码位映射字符。Unicode的编码空间划分17个平面，每个平面包含65,536个码位。17个平面的码位可表示为从U+xx0000到U+xxFFFF。第一个平面称为基本多语言平面（Basic Multilingual Plane, BMP），或称第零平面（Plane 0），其他平面称为辅助平面（Supplementary Planes）。基本多语言平面内，从U+D800到U+DFFF之间的码位区段是永久保留不映射到Unicode字符。UTF-16就利用保留下来的0xD800-0xDFFF区块的码位来对辅助平面的字符的码位进行编码。

UTF-16是可变长度的，最少为两个字节（大部分字符2字节即可表示）。java中计算UTF-16编码的字符串长度，需要注意BOM（Byte Order Mark）的问题,如果未指定BOM，需要额外加上两字节长度表明BOM。示例如下：

String s1="a";
String s2="b";
String s3="c";
String s4="abc";

System.out.println(s1.getBytes("UTF-16").length);//4
System.out.println(s2.getBytes("UTF-16").length);//4
System.out.println(s3.getBytes("UTF-16").length);//4
System.out.println(s4.getBytes("UTF-16").length);//8