Java里的char范例能不能存储一其中文字符？

对付这道题，绝大大都的谜底都是“可以存储”。给出的原因包罗：
1. java中的char是unicode存储，unicode编码字符会合包括了汉字，所以可以存储中文；
2. java内部其实是利用的UTF-16的编码，所以是支持大部门非生僻汉字的；
3. 回收Unicode编码集，一个char占用两个字节，而一其中文字符也是两个字节，因此Java中的char是可以暗示一其中文字符的；
4. Java的char只能暗示utf­16中的BMP部门中文字符，不能暗示扩展字符集里的中文字符；

那么，这个问题的终极谜底到底是什么？

Java API中关于char的说明

原文地点:https://docs.oracle.com/javase/7/docs/api/java/lang/Character.html

char范例是凭据Unicode类型实现的一种数据范例，牢靠16bit巨细。现如今，
Unicode字符集已经举办了扩展，暗示的范畴已经高出了16bit。Unicode字符集的
数值范畴扩大到了[U+0000,U+10FFFF]。

也就是说一个char可以或许存储16bit巨细的数值，即2个字节。可是，就常用的UTF-8编码来说，我们都传闻过他是用3可能4个字节来暗示一个汉字的。就拿3个字节来算的话，一个char也存不下是不是？

我们继承看api文档的其他段落：

一个char值可以暗示BMP范畴内的Unicode字符。BMP暗示[U+0000, U+FFFF]之间的Unicode字符。

并且，绝大部门的中文字符的Unicode范畴是[0x4E00, 0x9FBB],刚好是在BMP范畴内。

是不是说这里呈现了破解不了的抵牾呢？UTF-8占用3到4个字节，char只能存2个字节（16bit），昆山软件开发，然而UTF-8中的险些所有汉字都是在BMP范畴内，也就是在char可存储的范畴内，是不是抵牾了？

谜底是不抵牾！要害点就在于接下来给出总结的第一条！

这里先给出总结，后续再给出表明：
1.char字符存储的是Unicode编码的代码点，也就是存储的是U+FF00这样的数值，劳务派遣管理系统，然而我们在调试可能输出到输出流的时候，昆山软件开发，是JVM可能开拓东西凭据代码点对应的编码字符输出的。
2. 所以固然UTF-8编码的中文字符是占用3个可能4个字节，可是对应的代码点仍然会合在[0x4E00, 0x9FBB]，所以char是可以或许存下在这个范畴内的中文字符的。
3. 可是对付高出16bit的Unicode字符集，也就是Unicode的扩展字符集，一个char是放不下的，需要两个char才气放下。

Unicode编码

Unicode的呈现是对杂乱的ANSI编码世界的一个大一统，因而也叫做统一码、万国码、单一码。Unicode编码把世界上常用的语言字符都举办了统一的编码，一个数值就代表一个字符，并且世界范畴内公认。

ANSI的编码世界里，各中语言有本身的编码类型，同一个数值在差异的国度代表差异的字符。所以当文字在差异国度通报的时候（好比发邮件，看海外网页），问题就很大了，我显着写的是“爱我中华”，美国伴侣看到简直实”°®ÎÒÖлª”，必然是一脸问号！

        //=====模仿文字在差异编码语言间通报的进程=====
        //发帖子
        String s = "爱我中华";
        //编码成字节约，通过网络传入，可能存储到文件
        byte[] bytes = s.getBytes("GB2312");
        System.out.println(s);
        //海外伴侣用本身电脑的编码方法理会字节约
        String s2 = new String(bytes, "ISO-8859-1");
        //oh！ shit, wtf!        
        System.out.println(s2);

有了Unicode这个统一编码之后，全世界的计较机都能正确的理会到原始的字符，对付海内的文字信息，海外的伴侣独一要做的就是懂中文！

UTF-8只是Unicode编码的一种编码转换类型，也就是怎么存储Unicode代码点的方案之一。别的尚有UTF-16和UTF-32等编码类型。Unicode为什么需要这么多编码类型？直接存储代码点行不可？

虽然不可，存储了就需要理会好比”汉字”两个字的Unicode代码点是“0x6c49和0x5b57”也就是”6c495b57”。并且，Unicode的代码点尚有3个字节的，好比”10FF3B”,对付一个很长的上述数字串该怎么理会？好比“10FF3B6c495b57”！

所以，需要某种编码方案来区分那几个数值是一个Unicode代码点，这种方案就是UTF-8、UTF-16、UTF-32这样的编码方案。

UTF-8编码和代码点对应干系

UTF-8以字节为单元对Unicode举办编码。从Unicode到UTF-8的编码方法如下：