字符集与编码系列：Unicode字符集与Java char类型

前文介绍了Unicode基本知识，没看过的去看一下，传送门：字符集与编码系列：Unicode字符集_liudun_cool的博客-优快云博客

常用汉字在Java中的用法

对于一些常用汉字，一般都在Unicode的BMP平面，也就是2个字节足够表示。比如，我打开一个Unicode CJK码表，可以看到第一个汉字就是编码为4E00的 ‘一’，第二个是编码为4E01的 ‘丁’。下图中的CJKV的含义：

        C = 中国（大陆、香港、台湾）

        J = 日本

        K = 韩国

        V = 越南

 先来试一试Java中char类型和Unicode的关系吧。写几行Java代码：

//根据字符在码表中的编号，声明一个字符变量
// '\u'是Unicode字符固定前缀，4E01是这个字符在Unicode码表中的十六进制编号
char ch = '\u4E01';//4E01是十六进制，对应的十进制值=19969
System.out.println("Unicode中编码'4E01'代表的字符是："+ch);
System.out.println("19969在Unicode中代表汉字："+(char)19969);

控制台输出： 

 Unicode中编码'4E01'代表的字符是：丁
19969在Unicode中代表汉字：丁

 生僻汉字在Java中的用法

此处我所谓的生僻字，是指不在BMP平面的汉字。为了演示生僻字，我打开了Unicode平面2的码表，随便选一个字。

 这个字的编码2B00C中的2就是平面编号。看这个十六进制编码就知道，2个字节无法表示，这种字符在Java中怎么声明呢？写一段Java代码：

//char ch = '\u2B00C';这样会直接编译错误
//BMP平面之外的汉字，超出2个字节，要用如下方式声明一个char类型变量
//方式1：
char[] ch3 = Character.toChars(0x2B00C);
//方式2：
char[] ch4 = {'\uD86C','\uDC0C'};
System.out.print(ch3);
System.out.print(ch4);

 控制台输出：

𫀌𫀌

可以看到，这种BMP平面之外的生僻汉字，超出了2个字节，无法靠普通的 '字' 方式直接声明char类型变量，需要Character包装类的toChars()内部做特殊转换 。