關(guān)于Java核心技術(shù)書中的代碼點(diǎn)和代碼單元是怎么理解的呢？

這些應(yīng)該是從Unicode標(biāo)準(zhǔn)而來的術(shù)語，Unicode標(biāo)準(zhǔn)的核心是一個(gè)編碼字符集，它為每一個(gè)字符分配一個(gè)唯一數(shù)字。Unicode標(biāo)準(zhǔn)始終使用16進(jìn)制數(shù)字，并且在書寫時(shí)在前面加上U+，如字符“A”的編碼為“U+0041”。

讓客戶滿意是我們工作的目標(biāo)，不斷超越客戶的期望值來自于我們對(duì)這個(gè)行業(yè)的熱愛。我們立志把好的技術(shù)通過有效、簡單的方式提供給客戶，將通過不懈努力成為客戶在信息化領(lǐng)域值得信任、有價(jià)值的長期合作伙伴，公司提供的服務(wù)項(xiàng)目有：主機(jī)域名、網(wǎng)頁空間、營銷軟件、網(wǎng)站建設(shè)、掇刀網(wǎng)站維護(hù)、網(wǎng)站推廣。

代碼點(diǎn)是指可用于編碼字符集的數(shù)字。編碼字符集定義一個(gè)有效的代碼點(diǎn)范圍，但是并不一定將字符分配給所有這些代碼點(diǎn)。有效的Unicode代碼點(diǎn)范圍是U+0000至U+10FFFF。Unicode4.0將字符分配給一百多萬個(gè)代碼點(diǎn)中的96382個(gè)代碼點(diǎn)。

代碼單元可以理解為字符編碼的一個(gè)基本單元，最常用的代碼單元是字節(jié)（即8位），但是16位和32位整數(shù)也可以用于內(nèi)部處理。

就Unicode標(biāo)準(zhǔn)來說，它的編碼字符集有三種編碼方案：UTF-32、UTF-16、UTF-8。UTF-32使用32位的代碼單元表示一個(gè)Unicode代碼點(diǎn)，UTF-16使用一個(gè)或兩個(gè)16位的代碼單元的序列對(duì)Unicode代碼點(diǎn)進(jìn)行編碼，UTF-8 使用1至4個(gè)字節(jié)的序列對(duì)Unicode代碼點(diǎn)進(jìn)行編碼。

Java的char類型包含哪些數(shù)據(jù)？

java的char是2字節(jié)，16bit，包含所有ascii字符，而且更多，api文檔里有描述

char的數(shù)據(jù)是通過 UnicodeData 文件中的信息定義的，該文件是 Unicode Consortium 維護(hù)的 Unicode Character Database 的一部分。此文件指定了各種屬性，其中包括每個(gè)已定義 Unicode 代碼點(diǎn)或字符范圍的名稱和常規(guī)類別。

此文件及其描述可從 Unicode Consortium 獲得，網(wǎng)址如下：

Unicode 字符表示形式

char 數(shù)據(jù)類型（和 Character 對(duì)象封裝的值）基于原始的 Unicode 規(guī)范，將字符定義為固定寬度的 16 位實(shí)體。Unicode 標(biāo)準(zhǔn)曾做過修改，以允許那些其表示形式需要超過 16 位的字符。合法代碼點(diǎn) 的范圍現(xiàn)在是從 U+0000 到 U+10FFFF，即通常所說的 Unicode 標(biāo)量值。（請(qǐng)參閱 Unicode 標(biāo)準(zhǔn)中 U+n 表示法的定義。）

從 U+0000 到 U+FFFF 的字符集有時(shí)也稱為 Basic Multilingual Plane (BMP)。代碼點(diǎn)大于 U+FFFF 的字符稱為增補(bǔ)字符。Java 2 平臺(tái)在 char 數(shù)組以及 String 和 StringBuffer 類中使用 UTF-16 表示形式。在這種表現(xiàn)形式中，增補(bǔ)字符表示為一對(duì) char 值，第一個(gè)值取自高代理項(xiàng) 范圍，即 (\uD800-\uDBFF)，第二個(gè)值取自低代理項(xiàng) 范圍，即 (\uDC00-\uDFFF)。

所以，char 值表示 Basic Multilingual Plane (BMP) 代碼點(diǎn)，其中包括代理項(xiàng)代碼點(diǎn)，或 UTF-16 編碼的代碼單元。int 值表示所有 Unicode 代碼點(diǎn)，包括增補(bǔ)代碼點(diǎn)。int 的 21 個(gè)低位（最低有效位）用于表示 Unicode 代碼點(diǎn)，并且 11 個(gè)高位（最高有效位）必須為零。除非另有指定，否則與增補(bǔ)字符和代理項(xiàng) char 值有關(guān)的行為如下：

只接受一個(gè) char 值的方法無法支持增補(bǔ)字符。它們將代理項(xiàng)字符范圍內(nèi)的 char 值視為未定義字符。例如，Character.isLetter('\uD840') 返回 false，即使是特定值，如果在字符串的后面跟著任何低代理項(xiàng)值，那么它將表示一個(gè)字母。

接受一個(gè) int 值的方法支持所有 Unicode 字符，其中包括增補(bǔ)字符。例如，Character.isLetter(0x2F81A) 返回 true，因?yàn)榇a點(diǎn)值表示一個(gè)字母（一個(gè) CJK 象形文字）。

在 Java SE API 文檔中，Unicode 代碼點(diǎn) 用于范圍在 U+0000 與 U+10FFFF 之間的字符值，而 Unicode 代碼點(diǎn) 用于作為 UTF-16 編碼的代碼單元的 16 位 char 值。有關(guān) Unicode 技術(shù)的詳細(xì)信息，請(qǐng)參閱 Unicode Glossary。

java中關(guān)于代碼單元和代碼點(diǎn)

String的offsetByCodePoints(int index, int codePointOffset)方法返回此 String 中從給定的 index 處偏移 codePointOffset 個(gè)代碼點(diǎn)的索引。

所以4就是從0開始往后偏移4后的索引。

codePointAt(int index)方法是返回指定索引處的字符。

在索引為4處的字符為‘o’,它對(duì)應(yīng)的ASCII碼為111

Java中代碼點(diǎn)和代碼單元是什么？怎么理解？舉例說明下，它們之間有什么聯(lián)系有什么區(qū)別？為什么代碼點(diǎn)

代碼點(diǎn)就是指javascript型的信息點(diǎn)而代碼單元指普遍的廣泛的jinmk 和gdp信息技術(shù)網(wǎng)

winhex8位反向字節(jié)的順序

一、char 碼點(diǎn)和代碼單元

在Java Core 卷1中 對(duì)Char的描述如下

在設(shè)計(jì)Java時(shí)決定采用16位的Unicode字符集....（中間省略）... 現(xiàn)在16位的Char類型已經(jīng)不能滿足描述所有Unicode字符的需要了。

Java為了解決這個(gè)問題的方法是使用碼點(diǎn)和代碼單元

代碼點(diǎn)（Code Point）：在 Unicode 代碼空間中的一個(gè)值，取值 0x0 至 0x10FFFF，代表一個(gè)字符。

代碼單元（Code Unit）：在具體編碼形式中的最小單位。比如 UTF-16 中一個(gè) code unit 為 16 bits，UTF-8 中一個(gè) code unit 為 8 bits。一個(gè) code point 可能由一個(gè)或多個(gè) code unit(s) 表示。在 U+10000 之前的 code point 可以由一個(gè) UTF-16 code unit 表示，U+10000 及之后的 code point 要由兩個(gè) UTF-16 code units 表示

在Java中，char類型描述了UTF-16編碼中的一個(gè)代碼單元

碼點(diǎn)：就是某個(gè)任意字符在Unicode編碼表中對(duì)應(yīng)的代碼值代碼單元：是在計(jì)算機(jī)中用來表示碼點(diǎn)的，大部分碼點(diǎn)只需要一個(gè)代碼單元表示，但是有一些是需要兩個(gè)代碼單元表示的。

不同碼點(diǎn)對(duì)應(yīng)的代碼單元數(shù)量可能不同

下面實(shí)際操作體驗(yàn)一番

" " 這個(gè)數(shù)學(xué)符號(hào)碼點(diǎn) 為U+1D546 在 Java中的代碼單元為 U+D835 和U+DD46

String word = "uD835uDD46";

System.out.println("字符為："+word + " String.length(): "+ word.length());

打印結(jié)果如下（String.length()返回的是字符串代碼單元的長度）。

字符為： String.length(): 2

而且char類型無法放下這個(gè)符號(hào)

//char c = ' ';

String word2 = " ";

String firstUnit = Integer.toHexString(word.charAt(0));

String secondUnit = Integer.toHexString(word.charAt(1));

String codePoint = Integer.toHexString(word2.codePointAt(0));

System.out.println("第一個(gè)單元：" + firstUnit + " 第二個(gè)：" + secondUnit + " 碼點(diǎn)：" +codePoint);

打印結(jié)果

第一個(gè)單元：d835 第二個(gè)：dd46 碼點(diǎn)：1d546

二、UTF-16編碼方式

我們來思考UTF-16的設(shè)計(jì)思路：

我們知道Unicode的范圍為0x0~0x10FFFF

首先是0x0~0xFFFF這段區(qū)間，正好16位就可以表示，也兼容，兩全其美

那么超過這個(gè)區(qū)間的怎么辦呢？

也就是0xFFFF~0x10FFFF這段，我們先看這段區(qū)間有多少個(gè)碼位，

0x10FFFF-0xFFFF=0x100000,那么這個(gè)十六進(jìn)制表示的十進(jìn)制也就是：1048576個(gè)碼位

我們既然16位存不下，那肯定就是32位存咯，這個(gè)32能理解為什么不？不理解？是因?yàn)橛?jì)算機(jī)只能以2的倍數(shù)拓展，如果不這么設(shè)計(jì)，就沒辦法解析。長短不一，不符合設(shè)計(jì)思路

32位來存這些數(shù)字，那么我們需要怎么存下呢，簡單的思考過后，大家認(rèn)為應(yīng)該分開存儲(chǔ)，也就是將32位分開前16位和后16位，每個(gè)16位各存一半

那么每一半存的就是1024（由來：1024*1024=1048576）,1024代表的是2的10次冪，也就是10位二進(jìn)制數(shù)

這樣就知道了，32位二進(jìn)制數(shù)字中，前后16位中各存10位就夠用了，但是剩余的6位用來干什么呢？

和UTF-8的設(shè)計(jì)一樣，為了讓識(shí)別字符串變得容易（從文本的任意位置開始，均能區(qū)分一個(gè)字符的起始），這里是不是有點(diǎn)兒蒙？

舉個(gè)栗子：

假設(shè)：

0000 0001 代表A

0000 0010 代表B

0000 0001 ，0000 0001 代表 X

0000 0010 ，0000 0001 代表Z

那么 ABXZ就是

0000 0001 ，0000 0010 ， 0000 0001 ，0000 0001 ， 0000 0010，0000 0001

A B X Z

但是讓你從中間開始讀取，當(dāng)你讀到X的時(shí)候，你不知道他是X還是 AB,這樣就很麻煩，你需要設(shè)置標(biāo)志，來讓16位的數(shù)據(jù)的前8或后8不會(huì)和單個(gè)8位的重復(fù)

可以這樣設(shè)計(jì)：

0xxx xxxx 代表0~2^7

11xx xxxx ,10xx xxxx 代表其他的

這樣就能區(qū)分開了，當(dāng)你讀到11開頭的，就代表他是16位的前8，10開頭代表16位的后8

歐了，有了這個(gè)思路，我們就知道怎么設(shè)計(jì)剛才的那個(gè)6位了，當(dāng)然是通過這6位來區(qū)分這16位數(shù)字代表的位置

也就是UTF-16中，表示數(shù)據(jù)有單16位和雙16位（32位）兩種，那么我們?cè)O(shè)計(jì)成單16位和32位中的前16位和后16位這三個(gè)16位完全不會(huì)重復(fù)，那么我們就能隨時(shí)讀到一組16位，就能知道他是單16還是前16還是后16

舉個(gè)栗子：

根據(jù)上方信息，要求我們通過前6位來區(qū)分?jǐn)?shù)據(jù)，那么前6位就是2^6=64，也就是開頭數(shù)字的區(qū)間

我們?cè)O(shè)定如下：

54開頭的為32位的前16位

55開頭的為32位的后16位

其他開頭的為單16位

這樣我們就能區(qū)分開這三個(gè)16位了，在讀取文檔中的任意位置，都能隨意區(qū)分出間隔咯

那么54開頭的數(shù)據(jù)區(qū)間是多少呢，就是1101 10xx xxxx xxxx，區(qū)間就是D800~DBFF

那么55開頭的數(shù)據(jù)區(qū)間是多少呢，就是1101 11xx xxxx xxxx，區(qū)間就是DC00~DFFF

為了配合UTF-16，Unicode中也將這兩個(gè)區(qū)間屏蔽掉，不允許分配任何字符

下方為比較官方的關(guān)于UTF-16的編碼詳解

參考文獻(xiàn)：

具體編碼方式

Unicode范圍U+10000~U+10FFFF：將Unicode值減去（0x10000），得到20bit長的值。再將Unicode分為高10位和低10位。UTF-16編碼的高位是2 Byte，高10位Unicode范圍為0-0x3FF，將Unicode值加上0XD800，得到高位代理（或稱為前導(dǎo)代理，存儲(chǔ)高位）；低位也是2 Byte，低十位Unicode范圍一樣為0~0x3FF，將Unicode值加上0xDC00,得到低位代理（或稱為后尾代理，存儲(chǔ)低位）

根據(jù)上面的轉(zhuǎn)換方式，我們就能夠?qū)nicode碼根據(jù)UTF-16的編碼方式進(jìn)行轉(zhuǎn)換。下面我們?nèi)匀煌ㄟ^兩個(gè)例子來看下：

U+0020，這個(gè)值的范圍在第一部分，即經(jīng)過UTF-16編碼后，結(jié)果仍然為U+0020，在內(nèi)存中的順序?yàn)?0 20。

U+12345, 這個(gè)值的范圍在第二部分，因此需要先減去0x10000，得到0x02345，拆分成高10位00 0000 1000和低10位11 0100 0101。根據(jù)上面規(guī)則加上特定值后，高位代理值為D808，低位代理值為DF45，最終內(nèi)存中的順序?yàn)镈8 08 DF 45。

java代碼點(diǎn)數(shù)

結(jié)果是3 108

offsetByCodePoints(1,2);//返回從1處開始的第2個(gè)Code Point的位置

代碼點(diǎn)(codepoint)：是指與一個(gè)編碼表中的某個(gè)字符對(duì)應(yīng)的代碼值。

也就是從下標(biāo)1開始的第2個(gè)代碼點(diǎn)的位置,那不就是3么.

codePointAt(index); //獲取第index位置的Code Point.返回類型是對(duì)應(yīng)字符的ascii.

那就是獲取第3位的代碼點(diǎn)也就是l.而l對(duì)應(yīng)的ascii碼就是108

新聞標(biāo)題：java代碼單元代碼點(diǎn) JAVA碼點(diǎn)
文章出自：http://www.chinadenli.net/article28/hpigjp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站建設(shè)、品牌網(wǎng)站設(shè)計(jì)、微信小程序、App開發(fā)、軟件開發(fā)、自適應(yīng)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)