Java Char类型介绍

一、表现形式

char类型的字面量值，通常有三种形式，都是位于一对单引号 ''中。

1. 字符常量，'a'
2. 十六进制值，'\u03C0'代表数学字符π
3. 特殊字符的转义序列，'\n'代表换行

其中，第一种和第三种是我们在程序中经常会使用到的形式。
特殊字符的转义序列用于表示不能或者不方便输入的字符。第二种形式都是\u + 4位十六进制数，本质也属于转义序列，但是它能够表示所有字符。我们有时候提及的char值，其实是第二种形式表示的十六进制值，这也是char类型存储值的本质形式，就是说你程序中书写’a’，编译器最终理解的是‘\u0061’，第一种形式的出现是为了方便程序员编程而已。

二、Unicode字符集

Java语言使用了Unicode字符集，字符集的编码表对每个字符给出了对应的代码值，称为码点（code point），在Unicode标准中码点采用十六进制书写，并加上前缀U+，如下图所示，π的码点是【U+03C0】， 从此可以看出char类型变量存储的是码点值

Unicode的部分编码表（查看Unicode所有字符的编码表👉Unicode字符百科），如下图所示：

在1991 年发布了 Unicode 1.0 , 当时仅占用 65 536 个代码值中不到一半的部分。 在设计 Java 时决定采用16 位Unicode 字符集，这样会比使用 8 位字符集的程序设计语言有很大的改进。十分遗憾 ， 经过一段时间 ， 不可避免的事情发生了。 Unicode 字符超过了65 536 个， 其主要原因是增加了大量的汉语 、 日语和韩语中的表意文字 。 现在 ， 16 位的 char 类型已经不能满足描述所有 Unicode 字符的需要了 。

从Java SE 5.0 开始，码点 （ code point )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，码点采用十六进制书写， 并加上前缀U + , 例如 U + 0041 就是拉丁字母 A 的码点 。 Unicode 的码点可以分成 17 个代码级别 （ codeplane )。 第一个代码级别称为基本的多语言级别 （ basic multilingual plane ) , 码点从 U + 0000 到 U + FFFF , 其中包括经典的 Unicode 代码 ； 其余的 16个级另丨 〗 码点从 U + 10000 到 U + 10 FFFF , 其中包括一些辅助字符 （ supplementary character ) 。UTF - 16 编码采用不同长度的编码表示所有 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 （ code unit ) ; 而辅助字符采用一对连续的代码单元进行编码。 这样构成的编码值落人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 + D 800 ~ U + DBFF 用于第一个代码单兀， U + DC 00~ U + DFFF 用于第二个代码单元 ]。 这样设计十分巧妙 ， 我们可以从中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 。 例如 ， ⑪ 是八元数集 的一个数学符号， 码点为U + 1 D 546 , 编码为两个代码单兀 U + D 835 和U + DD 46。在 Java 中， char 类型描述了UTF - 16 编码中的一个代码单元。

码点 （ code point )是指一个编码表中的某个字符对应的代码值，Unicode码点可以分为17个代码平面，U+0000~U+FFFF是基本多语言平面，其他16个代码平面表示辅助字符。

UTF-16使用不同长度的编码表示所有Unicode字符。基本多语言平面用16位表示，称为代码单元。辅助字符采用一对连续的代码单元表示。

一个字符、可以由一个代码单元表示（基本多语言平面），也可以由一对代码单元表示（辅助字符）。

Java的char类型只能表示一个代码单元的码点，因为它只有16位。需要两个代码单元的码点只能放在字符串中

U+ 1D546
去1 后D546 1101(01) (01) 01000110
0035 + D800 = D835
0146 + DC00 = DD46