Java char和Unicode和UTF-8到底有啥联系

1、Unicode
Unicode简单来说就是一种世界标准，这个标准是要用统一全世界字符在计算机上的表示方法，比如：英语字母、阿拉伯数字、汉字、日文、韩语等。在Unicode出现之前已经有很多标准了，如：美国ASCII、西欧语言中的ISO 8859-1 、 中国的 GB 18030等，Unicode的出现就统一了全世界字符在计算机上的表示方法，也就是Unicode可以表示美国ASCII、ISO 8859-1、GB 18030等标准所表示的字符。例如：大写英文字母A，其ASCII值为97，如果用Unicode表示则是\u0041。

Unicode使用十六进制来表示，采用两个字节表示一个字符，两个字节就是16位长度的二进制，如果不考虑符号位则最大可以表示 2的16次方即65536个码点（两个字节的二进制最小和最大值是：0000000000000000_{1111111111111111即0}65535，共65536个数），码点是指Unicode编码表中一个字符所对应的代码值。

​ 其实，65536的码点并不能表示全世界的字符，于是Unicode就增补了一部分字符，目前的Unicode分为17组编排，每组称为平面（Plane），而每平面拥有65536个码点，最初的65536个字符在0号平面，增补的字符大多在1号平面，1号平面的字符就需要四个字节进行存储，目前很多平面还没有使用。

说到这里可以知道，Unicode就是一个字符集，这个字符集旨在统一全世界的所有字符，基本的字符用十六进制两个字节来表示，两个字节最多表示65536个码点，不能表示全世界的所有字符，于是就增补了一些码点，增补的码点需要四个字节来表示。

2 char
​ Char是Java语言的一种数据类型，Char和Unicode有什么关系呢？Char类型采用Unicode编码在计算机内存中表示每个字符。

​ 我们知道Unicode编码是十六进制数，如果我们在编写程序时用十六进制表示字符是非常不方便的，谁去记每个字符所对应的Unicode十六进制是什么，所以在Java程序中Char类型的数据可以用单引号扩起来一个字符来直接表示 ，例如：’A’，’B’，’攀’，’博’，虽然程序中这样表示，其实Java虚拟机本身还是会以Unicode编码来表示字符，只是你看不到。

​ 既然Char类型采用Unicode编码，单引号中即可以是单个字符也可以是Unicode编码（十六进制），Unicode编码采用‘\u’加十六进制的方式表示，比如：’\u0041’、‘\u0042’，它们分别表示’A’、’B’ 。

​ Unicode基本字符采用十六进制两个字节表示，一个Char类型的字符占用两个字节，所以一个Char类型的数据可以表示Unicode两个字节的基本字符，但是无法表示Unicode增补的字符，因为这些增补字符占四个字节。

​
3 UTF-8
​ Unicode统一编码在计算机具体实现时还存在问题，比如用两个字节来表示ASCII字符， 由于ASCII只占一个字节，这样第一字节的8位始终为0，这就造成了比较大的浪费。

​ 解决上边的问题就要对Unicode进行格式转换，这里可以使用UTF-8编码对Unicode进行格式转换，UTF即Unicode的实现方式称为Unicode转换格式（Unicode Transformation Format，简称为UTF），UTF-8是一种变长编码，它将基本7位ASCII字符用7位编码表示占用一个字节（首位补0），当遇到需要多个字节存储时将按一定算法转换，每个字符可以使用1-3个字节编码。如下：字符A的Unicode为00000000 01000001，转换为UTF-8编码则是01000001，可以看出用UTF-8转换编码后存储空间节省了。

​ 除了UTF-8还有UTF-16、UTF-32，UTF就是把Unicode编码映射为N位长的整数序列，用于数据存储或传递。

UTF-16是每个字符用16位表示，16位称为一个代码单元 ，在 Java 中，char 类型描述了 UTF-16 编码中的一个代码单元，char类型采用UTF-16编码。

​ 总结：Unicode是一个字符集，用十六进制定义了全世界的字符，UTF-16是Java中Char类型的编码格式，UTF-8是当前互联网中使用最广的编码。

关于Java char和Unicode和UTF-8的详细内容请参考：http://www.pbteach.com/post/javase/grammar_datatype/