Java char 如何存储UTF-8字符

Java char是什么

Java char 占 2 个字节，使用 UTF-16 表示一个字符。由于它只使用 2 个字节，所以 char 只用能表示部分UTF-16编码，即0x0000 ~ 0xFFFF。对于 4 字节的 UTF-16，需要使用 2 个 char。

UTF-8（Unicode Transformation Format - 8- bit）

• 使用 1 ~ 4 个字节变长编码表示「1,112,064」个 Unicode 码点
• 兼容 ASCII
• 码点数值越小，使用的字节数越少，出现的频率越高

Unicode

Unicode是一种字符集，是将我们认知中的许多事物转换成整数的对应集合

Unicode 只是一个符号集，它只规定了每个符号的二进制数，却没有规定这个二进制数应该如何存储。

 

在我们的认知种的事物  -> 字符集 ->  计算机存储，从我们的认知到字符集可以有两种对应方式ASCCII码和Unicode码。

在Java（其中主要包括在JVM中、内存中、在代码里声明的每一个char、String类型的变量中。）中字符只以一种形式存在，那就是Unicode，不选择任何特定的编码，直接使用它们在字符集中的编号，这是统一的唯一的方法。
在JVM内部，统一使用Unicode表示，当着字符从JVM内部移动到外部时（即保存为文件系统中的一个文件内容时），就进行了编码转换，使用了具体的编码方案。因此也可以说，所有的编码转换只发生在边界的地方，也就是各种输入/输出流的起作用的地方。