在 Java 中，char 类型占用 2 个字节（16位）。
（图片来源网络，侵删）
这是一个非常核心且重要的 Java 基础知识点，下面我们来详细解释为什么，以及它带来的影响。
核心原因：为了支持 Unicode 字符
Java 的设计初衷是“一次编写，到处运行”（Write Once, Run Anywhere），为了实现这个目标，Java 需要一种能统一表示世界上所有字符的编码方式，而不仅仅局限于 ASCII（美国信息交换标准代码）。
-
ASCII 的局限：
ASCII 使用 1 个字节（8位）来表示字符，只能表示 128 个字符（英文字母、数字、符号等），这对于英语世界足够了，但对于其他语言（如中文、法文、德文、日文等）则远远不够。
（图片来源网络，侵删） -
Unicode 的诞生：
- Unicode 是一个旨在收录世界上所有字符的字符集，它为每个字符分配一个唯一的数字，称为“码点”（Code Point）。
- 为了能表示超过 65,536 (2^16) 个字符，Unicode 最初的设计是使用 2 个字节（16位）来表示一个字符，这被称为 UTF-16 编码。
-
Java 的选择：
- Java 在设计时选择了 UTF-16 作为其
char类型的内部编码。 - 因为
char是 2 个字节（16位），所以它可以表示 Unicode 字符集中的 基本多语言平面，涵盖了绝大多数现代语言的字符。'A'->U+0041'中'->U+4E2D- ->
U+20AC
- Java 在设计时选择了 UTF-16 作为其
char 与 byte 的区别
| 特性 | char |
byte |
|---|---|---|
| 大小 | 2 字节 (16 bits) | 1 字节 (8 bits) |
| 用途 | 表示单个 Unicode 字符 | 表示原始的 8 位数据，常用于处理二进制流、网络传输或与底层系统交互。 |
| 范围 | '\u0000' (0) 到 '\uffff' (65,535) |
-128 到 127 |
- 你想存储一个字母、一个汉字、一个表情符号，用
char。 - 你想从文件或网络中读取原始的二进制数据,或者进行字节的运算，用
byte。
一个重要的特例：辅助平面字符
虽然 char 是 2 字节，但 Unicode 字符的数量已经远远超过了 65,536 个，这些超出基本多语言平面的字符被称为 辅助平面字符，例如某些生僻汉字、Emoji 表情（如 😂, 🚀）等。
（图片来源网络，侵删）
这些字符的码点大于 U+FFFF，无法用一个 char 直接表示，Java 使用 代理对 来表示它们：
- 一个辅助平面字符由两个
char值组成：- 高位代理：范围在
\uD800到\uDBFF。 - 低位代理：范围在
\uDC00到\uDFFF。
- 高位代理：范围在
示例：
Emoji 表情 "火箭" 🚀 的码点是 U+1F680，它在 Java 中需要用两个 char 来表示：
// 🚀 的码点是 U+1F680
// 它被拆分为一个代理对
char highSurrogate = '\uD83D'; // 高位代理
char lowSurrogate = '\uDE80'; // 低位代理
// 这两个 char 必须成对出现，才能代表一个完整的字符
String rocket = new String(new char[]{highSurrogate, lowSurrogate});
System.out.println(rocket); // 输出: 🚀
如果你错误地只取其中一个 char，得到的是无效的“代字符”（surrogate code unit），无法正确显示。
代码示例
public class CharExample {
public static void main(String[] args) {
// char 的大小是 2 字节
System.out.println("Size of char in bytes: " + Character.BYTES); // 输出: 2
// char 的范围
System.out.println("Min value of char: " + (int)Character.MIN_VALUE); // 输出: 0
System.out.println("Max value of char: " + (int)Character.MAX_VALUE); // 输出: 65535
// 常见字符
char englishLetter = 'A';
char chineseChar = '中';
char emoji = '😂'; // 这个 Emoji 实际上是由两个 char 组成的代理对
System.out.println("English letter: " + englishLetter);
System.out.println("Chinese character: " + chineseChar);
System.out.println("Emoji: " + emoji);
// 检查一个 char 是否是代理对的一部分
System.out.println("Is '😂' a high surrogate? " + Character.isHighSurrogate(emoji)); // false
// 需要分别检查代理对中的两个 char
System.out.println("Is first part of '😂' a high surrogate? " + Character.isHighSurrogate("😂".charAt(0))); // true
}
}
- Java 中的
char固定占用 2 个字节（16位）。 - 这是为了支持 Unicode 字符集，使 Java 具有良好的国际化能力。
char用于表示单个 Unicode 字符，而byte用于表示原始的 8 位数据。- 对于超出
U+FFFF范围的辅助平面字符（如很多 Emoji），需要使用 两个char组成的代理对 来表示。
