Java中的字符集

在Java中，字符集是一种将字符和数字映射到二进制编码的规则集合。Java使用Unicode字符集。Unicode定义了世界各国使用的字符集，并为每个字符分配了一个唯一的数字值。

Unicode

Unicode是一种字符集，定义了世界各国使用的字符集，并为每个字符分配了一个唯一的数字值。在Java中，每个字符都对应一个Unicode编码值。Java的char类型是UTF-16编码的，它使用16位表示一个字符。

Java可以使用Unicode转义序列来表示Unicode字符。转义序列以“\u”开头，后跟四个十六进制数字，表示对应的Unicode字符。例如，字符“é”的Unicode编码是“00E9”，可以使用转义序列“\u00E9”来表示它。

示例代码：

char c = '\u00E9'; // c的值为'é'
System.out.println(c); // 输出：é

字符集编码

字符集编码是指将字符集中的字符转换成二进制编码的过程。Java中常用的字符集编码包括UTF-8、UTF-16和ISO-8859-1等。以下是它们的详细介绍：

UTF-8

UTF-8是一种可变长编码的Unicode字符集编码，它可以表示任意Unicode字符，并且在存储空间上很节省。UTF-8使用1到4个字节表示一个字符，具体如下：

• 对于单字节字符，UTF-8使用一个字节表示，最高位设置为0，其余位表示字符的值；
• 对于多字节字符，UTF-8使用2到4个字节表示，第一个字节的高位表示字符序列的长度（以字节为单位），其余位表示字符的值，后续字节的最高位设置为1，其余位表示字符的值。

UTF-8是互联网应用最广泛的Unicode编码，它保障了跨各种通信协议、操作系统和编程语言传输Unicode字符的无损传输。

示例代码：

String str = "你好";
byte[] utf8Bytes = str.getBytes("UTF-8"); // 使用UTF-8编码转换成字节数组
String utf8Str = new String(utf8Bytes, "UTF-8"); // 使用UTF-8解码字节数组还原成字符串
System.out.println(utf8Str); // 输出：你好

UTF-16

UTF-16是一种可变长编码的Unicode字符集编码，它可以表示任意Unicode字符。UTF-16使用1到4个字节表示一个字符，具体如下：

• 对于基本多文种平面（BMP）中的字符（U+0000~U+FFFF），UTF-16使用2个字节表示，即直接使用Unicode值作为双字节码；
• 对于非BMP中的字符（U+10000~U+10FFFF），UTF-16使用两个双字节码表示，即将Unicode值减去0x10000得到一个20位的值，将该值分成高10位和低10位，然后在高10位加上0xD800，得到一个结果，称为高代理项（high surrogate），在低10位加上0xDC00，得到另一个结果，称为低代理项（low surrogate）。

示例代码：

String str = "😊";
byte[] utf16Bytes = str.getBytes("UTF-16"); // 使用UTF-16编码转换成字节数组
String utf16Str = new String(utf16Bytes, "UTF-16"); // 使用UTF-16解码字节数组还原成字符串
System.out.println(utf16Str); // 输出：😊

ISO-8859-1

ISO-8859-1是一种单字节编码，只能表示ASCII码字符和欧洲常用字符集中的字符。ISO-8859-1使用1个字节表示一个字符，范围是0x00~0xFF。

示例代码：

String str = "hello";
byte[] isoBytes = str.getBytes("ISO-8859-1"); // 使用ISO-8859-1编码转换成字节数组
String isoStr = new String(isoBytes, "ISO-8859-1"); // 使用ISO-8859-1解码字节数组还原成字符串
System.out.println(isoStr); // 输出：hello

总结

Java中内置了Unicode字符集，可以使用转义序列来表示Unicode字符，同时支持多种字符集编码，包括UTF-8、UTF-16和ISO-8859-1等。在编写Java程序时，需要注意字符集的选择和转码问题，否则会出现乱码等问题。