Java与Unicode

最早学习Java的时候，老师会告诉我们。

Java中的字符是用Unicode编码的。Unicode编码每个字符占两个字节。

老师说的对，但是介绍的并不够全面和准确。

简单点来说，Unicode编码系统分为编码和实现。

编码指的是，每个字符对应的Unicode码是唯一确定的，Unicode用两个字节表示一个字符。

Unicode的实现方式称为Unicode转换格式（Unicode Transformation Format，简称为UTF）。相信大家都应该知道utf-8,utf-16,utf-32等等的吧。

因为，在实际操作中(如:传输，存储)，我们因为一些特殊的要求（提高性能）。对Unicode会有很多种实现方式。

举一个小小的例子

例如，如果一个仅包含基本7位ASCIII字符的Unicode文件，如果每个字符都使用2字节的原Unicode编码传输，其第一字节的8位始终为0。这就造成了比较大的浪费。对于这种情况，可以使用UTF-8编码，这是一种变长编码，它将基本7位ASCII字符仍用7位编码表示，占用一个字节（首位补0）。而遇到与其他Unicode字符混合的情况，将按一定算法转换，每个字符使用1-3个字节编码，并利用首位为0或1进行识别。这样对以7位ASCII字符为主的西文文档就大大节省了编码长度

因为Java中char型占两个字节,JVM对Unicode的实现应该是UTF-16吧，具体大端序，小端序应该跟平台有关（个人猜测）。

上面是一些基础知识的普及，下面就比较娱乐了。

Java中支持对Unicode的转义

格式为\u+四位十六进制数。

如a的Unicode编码为0061

那么System.out.println("\u0061");就会输出a

那么如何知道一个字符的Unicode码呢?

		char c = '持';
		System.out.println(Integer.toHexString(c));

那么如何知道某个Unicode码是什么字符呢?

System.out.println((char)Integer.parseInt("6301", 16));

挺有意思吧?