码点与代码单元

码点与代码单元

码点

码点是指与一个编码表中的某个字符对应的代码值。
在Unicode标准中，码点采用16进制书写，并加上U+，例如U+0041就是拉丁字母A的码点。

代码单元

UTF-16编码采用不同长度的编码表示所有Unicode码点，在基本多语言平面，每个字符用16位表示，通常称为代码单元。

char数据类型是一个采用UTF-16编码表示Unicode码点的代码单元。最常用的Unicode字符使用一个代码单元就可以表示。

public class CodePoint {
    public static void main(String[] args) {
        String greeting = "Hello";
        
        System.out.println(greeting.length());
        //length方法返回采用UTF-16编码表示给定字符串需要的代码单元数量
        
        System.out.println(greeting.codePointCount(0,greeting.length()));
        //要想得到实际的长度，即码点数量，使用codePointCount方法
        
        System.out.println(greeting.offsetByCodePoints(0,2));
        //得到第2个码点的索引
        
         System.out.println(greeting.codePointAt(greeting.offsetByCodePoints(0,2)));
        //使用codePointAt得到码点,返回值类型为int
    }
}

结果

5
5
2
108