java char类型的存值范围

Java采用Unicode进行编码，char类型在内存中占2个字节-16位，其值的范围在0-65535之间。20 世纪 80 年代开始启动设计 Unicode 编码时，人们认为两个字节（16 位）的代码宽度足以对世界上各种语言的所有字符进行编码，并有足够空间留给未来的扩展。所以在设计 Java 时决定采用 16 位的 Unicode 字符集。目前Unicode编码范围在0-1114111之间，显然一个char类型已经不能够存65535以外的字符了，Java怎么扩展的我放后面讲，这里先讲正常情况。

给一个char赋值的几种方式，已“严”字为例子，​​严​​​的 Unicode 是：十六进制【​​4E25​​】二进制【01001110，00100101】十进制【20005】。我们可以已下面三种方式赋值。

char c1 = '严';
char c2='\u4E25';
char c3 = 20005;
System.out.println(c1);
System.out.println(c2);
System.out.println(c3);

将char转换为字符串。

String str = new String(new char[]{c1});

将字符串转换为字节数组，我们用UTF-8编码解码方式。UTF-8编码方式原理请参考

​​UTF-8编码原理​​

System.out.println(Arrays.toString(str.getBytes("UTF-8")));

打印： [-28, -72, -91]

转换为二进制

String.format("%8s", Integer.toBinaryString(byte & 0xFF)).replace(' ', '0');

打印：11100100，10111000，10100101。这个值就是UTF-8以后二进制值。

下面来讲解JAVA的char类型如何表示65535以后的的字符。它采用的办法是（代理区模式）。

在0-65535之间，保留了一部分数字范围（D800–DBFF）和（DC00–DFFF）。

（D800–DBFF）叫高代理区和（DC00–DFFF）叫低代理区，各1024，这两个区组成一个二维的表格，共有1024×1024=2^10×2^10=2^4×2^16=16×65536，用它们来表示Unicode中65535以后的字符。

下面以一个例子来说明：

已符号笑脸为例： 在Unicode码表中 十进制 128515，十六进制为1F603。

通过查询代理区域对照表（D800–DBFF）和（DC00–DFFF）， 1F603对应的高端区为D83D,低端区为DE03。通过java代码测试，因为char类型2个字节，所以如果显示4个字节的字符需要用2个char表示。

char[] chars = new char[]{'\uD83D','\uDE03'};
System.out.println(new String(chars));
System.out.println(Arrays.toString(new String(chars).getBytes("utf-8")));
//=[-16, -97, -104, -125]

成功打印出笑脸表情符号

再看把它写成utf-8的二进制形式 = [-16, -97, -104, -125]。

转换为二进制[11110000，10011111,10011000,10000011]。

根据UTF-8编码规则转换出实际表示编码的二进制值，11111011000000011=128515=1F603。

完