Может ли Character представлять всю кодовую точку Unicode?

Question

Поскольку Java char имеет длину 16 бит, мне интересно, как он может представлять полный код Unicode?Он может представлять только 65536 кодовых точек, верно?

Answer 1

Да, символ Java - это кодовая единица UTF-16. Если вам необходимо представить символы Юникода вне базовой многоязычной плоскости, вам необходимо использовать суррогатные пары в пределах java.lang.String. Класс String предоставляет различные методы для работы с полными кодовыми точками Unicode, например codePointAt(index).

Из раздела 3.1 спецификации языка Java :

Стандарт Unicode изначально разрабатывался как 16-битная кодировка символов фиксированной ширины. С тех пор он был изменен, чтобы учесть символы, для представления которых требуется более 16 бит. Диапазон кодовых точек теперь составляет от U + 0000 до U + 10FFFF с использованием шестнадцатеричной записи U + n. Символы, кодовые точки которых больше, чем U + FFFF, называются дополнительными символами. Для представления всего диапазона символов с использованием только 16-битных единиц стандарт Unicode определяет кодировку под названием UTF-16. В этом кодировании дополнительные символы представляются в виде пар 16-битных кодовых единиц, первая из диапазона с более высокими суррогатами (U + D800 до U + DBFF), вторая из диапазона с более низкими суррогатами (U + DC00 до U) + DFFF). Для символов в диапазоне от U + 0000 до U + FFFF значения кодовых точек и кодовых единиц UTF-16 одинаковы.

Язык программирования Java представляет текст в виде последовательностей 16-битных кодовых единиц с использованием кодировки UTF-16. Некоторые API, в основном из класса Character, используют 32-разрядные целые числа для представления кодовых точек в качестве отдельных объектов. Платформа Java предоставляет методы для преобразования между двумя представлениями.

См. Character документы для получения дополнительной информации.

Answer 2

Один char, который является 16-разрядным без знака, может представлять любую кодовую точку до 0xFFFF, но не дополнительные символы, которые больше.В Java лучше всего использовать кодировку UTF-16 в char, поэтому дополнительные символы фактически представлены в виде пар char, суррогатной пары.В то время как один char не может представлять такие дополнительные символы, Java справляется с этим.