本文简介：是关于JAVA中char数据类型的编码方式_主要涉及Unicode,UTF-16.

关键字：JAVA,char,Unicode,UTF-16.

Unicode代码单元：可用十六进制格式的编码单元，从\u0000~\uFFFF 表示。

Unicode转义序列——表示特殊字符 =>可以出现在“字符常量”“字符串”的引号内。转义序列符\u还可以出现在字符常量或字符串的引号之外。

要想弄清楚char，就必须弄清楚Unicode编码表。

设计JAVA的时候用的是Unicode编码方式，用两个字节的代码宽度=>编码=>世界上所以语言的字符。

十分遗憾的是，现在不可避免的事情发生了，Unicode字符超过了65536个，对此16位的char类型已经不能满足表示所以Unicode字符的需要了。

那么JAVA是如何解决这类问题的呢？

先引入一些小概念。

代码点(code point)：是指“编码表”中的某个字符对应的“编码”Unicode标准中，代码点用十六进制书写，并加前缀U+,例如U+0041表示字母A的代码点。

Unicode的代码点可分为17个代码级别（code plane）。第一个代码级别 =>基本的多语言级别-basic multilingual plane，代码点从U+0000~U+FFFF（其中包括一些经典的Unicode代码）,其余的十六个附加的级别，代码点从U+1 0000 ~ U+10 FFFF (其中包括一些辅助字符)

在JAVA中，char类型用UTF-16编码描述一个代码单元（字符）。是Unicode的一个使用方式。

UTF-16编码采用不同长度的编码表示所以Unicode代码点。

用16个位表示=>Unicode中“基本的多语言基本”——代码单元。(在基本的多语言基本中，从U+D800 ~ U+DFFF之间的区段是没有使用的。因此可以用这一区段的值累对辅助字符进行编码)

其他级别中，辅助字符采用一对连续的代码单元进行编码（16*2）。这样构成的编码值一定落入基本的多语言基本中空闲的2048字节内，称替代区域。【U+D800~U+DBFF用于第一个单元，U+DC00~U+DFFF用于第二个代码单元】——通过这样巧妙的设计，我们可以非常清楚地知道，这个代码单元是表示一个“字符”，还是属于"辅助字符"中的第一部分/第二部分

UTF-16的编码方法：

1、如果字符编码U小于0x10000，也就是十进制的0到65535之内，则直接使用两字节表示；

2、如果字符编码U大于0x10000，由于UNICODE编码范围最大为0x10FFFF，从0x10000到0x10FFFF之间 共有0xFFFFF个编码，也就是需要20个bit就可以标示这些编码。用U'表示从0-0xFFFFF之间的值，将其前 10 bit作为高位和16 bit的数值0xD800进行 逻辑or 操作，将后10 bit作为低位和0xDC00做 逻辑or 操作，这样组成的 4个byte就构成了U的编码。

范例: UTF-16 编码程序

假设要将 U+64321 (16进位) 转成 UTF-16 编码. 因为它超过 U+FFFF, 所以他必须编译成32位元(4个byte)的格式,如下所示: