Java 中的代码点和代码单元285

在 Java 编程语言中，字符由两个基本概念表示：代码点和代码单元。理解这两个概念对于处理字符串和国际化文本至关重要。

代码点

代码点是 Unicode 标准中表示字符的抽象值。它是一个数字，唯一标识一个字符。 Unicode 标准定义了一组超过 140,000 个代码点，涵盖了来自世界各地语言的各种字符。

Java 使用 char 数据类型表示代码点。char 变量可以存储单个 16 位代码点值。因此，Java 可以表示 Unicode 基本多语言平面的所有代码点（U+0000 到 U+FFFF）。

代码单元

代码单元是表示代码点的实际位模式。在 Java 中，代码单元存储在 String 和 char[] 等字符序列中。代码单元的大小可以根据字符的编码方式而变化。

Java 两种最常见的代码单元编码是 UTF-8 和 UTF-16。UTF-8 是一种可变长度编码，其中每个代码点可以使用 1 到 4 个字节表示。UTF-16 是一种固定长度编码，其中每个代码点始终使用 2 或 4 个字节表示。

代码点和代码单元之间的关系

代码点和代码单元之间的关系取决于使用的编码方式。在 UTF-8 中，一个代码点可以由一个或多个代码单元表示，而一个代码单元可以表示多个代码点的一部分。

在 UTF-16 中，一个代码点始终由一个或两个代码单元表示。对于基本多语言平面上的代码点，一个代码单元足以表示它们。对于补充平面上的代码点，需要一对代码单元（称为代理对）才能表示它们。

示例

考虑字符“€”（欧元符号）。它的代码点是 U+20AC。在 UTF-8 中，它由三个代码单元（字节）表示：0xE2、0x82 和 0xAC。在 UTF-16 中，它由两个代码单元表示：0x20AC。

理解 Java 中的代码点和代码单元对于处理字符串和国际化文本至关重要。代码点表示字符的抽象值，而代码单元是实际存储在字符序列中的位模式。通过了解这两个概念之间的关系，您可以编写健壮可靠的文本处理代码。

2024-12-03

上一篇：Java 中的数据结构：深入浅出教程

下一篇：Java 中的 protected 方法