关于Java中的编码

编码转换，实际就是把byte数组转换为char数组的过程，或者是其逆过程
在Java中，前者通过new String(byte[], Charset) -> StringCoding.decode，
后者通过getBytes(Charset) -> StringCoding.encode
在encode和decode时，默认会采用Charset.defaultCharset()，jvm一般是utf-8。如果无法取得，则会使用iso-8859-1，如果仍无法取得，则System.exit(1);

问题1：在utf-8下，每个字符可以是1-6个字节不等，但是jvm中char是固定2个字节的，那么char如何表示字符呢？

首先澄清一个典型的错误就是认为string是存在某种编码绑定的。string对象建立后，内部持有名为value的char数组，这里char表示了逻辑意义上的字符，而byte没有逻辑意义，只有物理存储意义。凡是char在java中统一都会由utf16来表示。从这个意义上讲，可以说string就是utf16编码的，同时也可以说是不针对任何编码的。可以通过getbytes获得任何编码的二进制表示。这个概念和Date相对于各个时区是类似的。

问题2：2个字节是2^16=65536，没有办法覆盖到全部字符，如何给unicode32的字符集找到默认的char表示？

这个问题我可能多虑了，jvm和windows都按照utf16设计，其中涵盖的汉字是2w多个。对于扩充的东亚字符，oracle也给出了方案，文章说得比较详细，就不赘述了：
http://java.sun.com/developer/technicalArticles/Intl/Supplementary/
另外java.lang.Character中也有说明