38、Java编程基础：词法元素、类型、字面量与变量

Java编程基础：词法元素、类型、字面量与变量

1. 词法元素

编译的初始阶段之一是将词法元素扫描为标记（tokens）。此阶段会忽略文本中的空白和注释，因此语言必须定义空白和注释的形式，然后将剩余的字符序列解析为标记。

1.1 字符集

大多数程序员熟悉使用两种主要字符表示家族之一编写的源代码：ASCII及其变体（包括Latin - 1）和EBCDIC。这两种字符集都包含英语和其他几种西欧语言使用的字符。

Java编程语言采用Unicode的16位编码编写。Unicode标准最初支持16位字符集，但现在已扩展到允许最大为0x10ffff的21位字符。值大于0x00ffff的字符称为补充字符。任何特定的21位值称为代码点。为了让所有字符都能用16位值表示，Unicode定义了一种名为UTF - 16的编码格式，Java编程语言正是用这种方式表示文本。在UTF - 16中，0x0000到0xffff之间的所有值都直接映射到Unicode字符。补充字符由一对16位值编码：这对值中的第一个来自高代理范围，第二个来自低代理范围。想要处理单个代码点值的方法可以接受长度为2的UTF - 16编码的char[]，或者直接持有代码点的单个int。UTF - 16序列中的单个char称为代码单元。

Unicode的前256个字符是Latin - 1字符集，Latin - 1的前128个字符大多与7位ASCII字符集等效。当前环境会读取ASCII或Latin - 1文件，并即时将它们转换为Unicode。

由于现有的文本编辑器很少支持Unicode字符，因此可以使用转义序列\uxxxx来编码Unicode字符，其中每个x是一个十六进制数字