个人噫吟,不要当真。害怕被喷,先匿为敬。
Java char 只有 2byte,16bit,表示0~65535种字符,包括了常见的中文字符——Java的char采用Unicode(Universal Code)标准——目的是可以通过2byte=16bit表示世界上所有的符号。
其中Unicode标准产生了UTF-8,UTF-16,UTF-32 3种具体定义了 Unicode 字符在计算机中存取方法【映射规则=字符集(Unicode Character Set)】。UTF=UCS Transformation Format
UTF -8,-16,-32分别采用的是:
变长,英文=1char=2byte,中文=2char=3-4byte,其他符号=3char=最高6byte
定长,1char=2byte,中英其他=1char=2byte,不论什么字符都用2个字节表示
定长,2char=4byte=32bit,中英其他=2char=4byte,不论什么字符都用4个字节表示
需要强调的是:变长定长编码集都是有解析前提的,会通过特定标识进行编码规则识别
也就是,虽然UTF-16定长2byte,只有16bit = 0~65535变化范围,但它可以通过特定的运算规则扩展映射到7万+字符——2个字节只是表示 Unicode => UTF-8字符集 的转化格式。由于UTF-16的2字节特性,较为方便的进行String与byte[]转换,故Java也以 UTF-16 作为内存的字符存储格式
当前前提是:①解析环境中有UTF-16字符集,②识别出来是UTF-16编码规则