Java基础—char类型数据

char类型介绍

char类型原本表示单个字符，但由于Unicode字符集扩充，导致有些字符需要使用两个char来描述
大小： 一个char类型占两个字节，16位
范围： 为十进制数 0 ~ 65535（即0 ~ 216-1）,Unicode表示\u0000 ~ \uFFFF
定义方式：

char a1 = 'A'; // 使用单引号定义一个char
char a2 = '\u0041'; // unioncode编码定义，与上面定义等价
char a3 = 65; // 等价运算1 接受8进制、10进制、16进制数字,表示其在Unicode编码中的位置
1
2
3

运算：

char a1 = 'A' + 1; // 值为 B
1

转义序列：
除了\u的Unicode字符外，还有一些转义序列可出现在char字面量中（单引号里）

// 以下三者等价
char a1 = '\b';
char a2 = '\u0008';
char a3 = 0x0008;
1
2
3
4

注意： Unicode转移序列会在解析代码之前转换，使用中须小心
示例：

// \u000A is a newline 
// 会产生一个语法错误，因为编译时\u000A会替换为换行符
// look inside c:\user
// 同样报错，因为\u后没有跟16进制数
1
2
3
4

Unicode编码

Unicode目的是解决各字符集编码方式不统一的问题，当时工程师预估只用2byte的代码宽度即可对世界上所有语言的所有字符进行编码，该工程从20世纪80年代启动，于1991年发布Unicode1.0，仅占用216-1(65536)的一半不到。Java设计时使用16位的char以支持Unicode，此后由于加入大量汉语、日语、韩语的表意文字，导致16位的char已不能满足Unicode的需要。
名词解释：
码点（code point）： 指一个编码表中一个字符代表的编码值

在Unicode中码点采用16进制书写，并加前缀 U+，如：U+0041代表拉丁字母A的码点

代码平面（cod plane）

Unicode的码点可分为17个代码平面
第一个代码平面称为_基本多语言平面_（basic multilingual plane），包括码点从U+0000到U+FFFF的“经典”Unicode代码
其余16个代码平面为从U+10000到U+10FFFF，包括_辅助字符_（supplementary character）

以下为Java解决Unicode扩容问题的方案：
UTF-16编码采用不同长度的编码表示所有Unicode码点，在基本多语言平面中，每个字符用16位表示，通常称作_代码单元_（code unit）；而辅助字符编码为一对连续的代码单元。采用这种编码对表示的各个值落入基本多语言平面中未用的2048个值范围内，通常称为_替代区域_（surrogate area）(U+D800~U+DBFF为第一个代码单元， U+DC00~U+DFFF为第二个代码单元)。如此设计，我们可以迅速判断一个代码单元是一个字符的编码，还是一个辅助字符的第一或第二部分。
关于编码的算法详见（https://tools.ietf.org/html/rfc2781）
注意： 强烈建议不要在Java中使用char类型，除非确实需要处理UTF-16代码单元