Java 码点和代码单元

Java 码点和代码单元

@author:Jingdai
@date:2020.09.01

概念

• 码点（Code Point）：与一个代码表中某个字符相对应的代码值。

  Unicode标准中，码点采用十六进制书写，并加上前缀U+，例如U+0041就是拉丁字母A的码点。Unicode的码点可以分为17个代码平面。第一个平面称为基本多语言平面，包括码点从U+0000到U+FFFF的经典Unicode代码；其余16个平面的码点从U+10000到U+10FFFF，包括辅助字符。

• 代码单元（Code Unit）：UTF16采用不同长度的编码表示所有的Unicode码点，在基本多语言平面，每个字符用16位表示，称之为代码单元。而辅助字符需要用一对连续的代码单元。

Java中，char类型描述了UTF-16编码的一个代码单元。

String类相关的方法

• String.length()

  返回采用UTF-8编码的字符串所需的代码单元数量

• String.codePointCount(int beginIndex, int endIndex)

  返回字符串在给定范围内的码点数

• String.charAt(int index)

  返回字符串位置为 index 的代码单元

• int index = String.offsetByCodePoints(0, i); // 返回从0开始，i个码点后的码点索引

  int cp = String.codePointAt(int index) // 返回index位置开始的码点

  通过这种方法获得字符串第 i 个码点

Character类相关的方法

• static char[] toChars(int codePoint)

  将指定的码点转换为存储在char数组中UTF-16的表示形式

例子

下面一个小例子加深理解，代码如下：

import java.io.*;

public