char类型用于表示单个字符,通常用来表示字符常量,字符是由编码进行记录的。例如:'A’是编码为65所代表的字符常量,而"A"是一个包含字符A的字符串。
Unicode编码可以表示为十六进制,范围从\u0000到\uffff。例如:\u005B表示“[”,而\u005D表示“]”。除了使用转义序列符\u表示Unicode代码单元的编码外,还有一些用于表示特殊字符的转义序列符,比如我们常见的"\b、\n、\t、\r"等。所有这些转义序列符都可以出现在字符常量以及字符串的引号内。而\u还可以出现在字符常量或字符串的引号外。
Unicode字符超过65536个后,16位的char类型已经不能满足所有Unicode字符的需要。
Java解决Unicode字符不够用的解决办法。是从JDK5.0开始。
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,代码点采用十六进制书写,并且加上前缀U+,例如U+0041就是字母’A’的代码点。Unicode的码点分为17个代码级别。第一个码点被称为基本的多语言级别,码点从U+0000到U+FFFF,其中包括了经典的Unicode代码。其余的16个附加级别,码点从U+10000到U+10FFFF,其中包括了一些辅助字符。
UTF-16编码采用了不同长度的编码表示所有的Unicode码点。在基本的多语言级别中,每个字符用16位表示,通常被称为代码单元;而辅助字符采用一对连续的代码单元进行编码。这样构成的编码值一定落入基本的多语言级别中空闲的2048字节内,通常被称为替代区域(surrogate area)[U+D800–U+DBFF用于第一个代码单元,U+DC00–U+DFFF用于第二个代码单元]。这样设计十分巧妙,我们可以迅速地知道一个代码单元是一个字符的编码,还是一个辅助字符的第一或第二部分。
在Java中,char类型用UTF-16编码描述一个代码单元。所以在Java编程中强烈建议不要使用char类型,除非确实需要对UTF-16代码单元操作。最好将需要处理的字符串用抽象数据类型表示。