Java 中码点和代码单元

1. 概述

  在《Java 核心技术》中第一章就提到了 码点和代码单元，但是这里讲述的懵懂；这里专门做了个专题解释；

2. Unicode 编码

  在各国都有自己的编码，但是世界总是趋于统一，不然不方便；于是一个万国码出来了；即 Unicode 编码，又称为统一码；Unicode 是一种字符编码系统；为所有语言的字符提供一个唯一的数字编码；Unicode 包含几乎所有字符，常见有 UTF-8、UTF-16、UTF-32；Java 中，字符的存储和表示也是遵循 Unicode 标准；Java 采用 UTF-16 作为字符的编码；

3. Java 采用 Unicode 编码；

  在 Java 中，char 和 String 类型，都是采用 UTF-16 编码进行表示字符；而 UTF-16 是一种变长编码方式；用 16 位即 2 字节来表示一个字符，但是对于一些 Unicode 码点超过基本多文种平面（BMP，范围为 U+0000 到 U+FFFF ）的字符，UTF-16 采用 代理对，即两个 16 位代码单元来表示一个字符；

4. 码点与代码单元

• 码点 ( code point )：指的是一个编码表中某个字符对应的代码值；Unicode 码点可以分为 17 个代码平面(code plane)；其中，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 个平面的码点从 U+10000 到 U+10FFFF ，包括辅助字符 (supplementary character)；
• 代码单元（ Code Unit ): 指的是 字符在编码时候，字符编码存储的单位，可能一个编码是存储为一个，也可能是两个，四个；
• 

5. Java 中的示例

public class Test {
    public static void main(String[] args) {
        String str = "🤖";
        System.out.println(str); //🤖
        System.out.println(str.charAt(0)); //?
        System.out.println(str.codePointAt(0)); // codepoint = 129302
    }
}
/**
其实在我们实际遍历字符串的时候，我们想要遍历的是码点，但是实际上 charAt 之类的是遍历代码单元的；只不过在日常使用，很少遇到这种两个代码单元构成的字；但是需要注意
*/