Java Unicode统一码怎么处理

在 Java 里处理 Unicode（统一码），核心要理解 Java 内部全部使用 UTF-16 表示字符，以及 源码 / 文件 / 网络 / 数据库 的编码问题。下面从常见场景系统说明。

一、Java 与 Unicode 的基本事实

1️⃣ Java 的 char 和 String 都是 UTF-16

• char：16 位，表示一个 UTF-16 代码单元
• String：底层是 char[]
• Unicode 码点（code point）：U+0000 ~ U+10FFFF

⚠️ 注意：

• 基本多文种平面（BMP）：U+0000 ~ U+FFFF → 一个 char
• 补充平面（如 Emoji）：U+10000 以上 → 两个 char（代理对）

二、字符与 Unicode 的转换

1️⃣ 字符 ↔ Unicode 码点

char c = '中';
int codePoint = c;          // 20013
System.out.println(codePoint);

// Unicode 转字符
char ch = (char) 20013;
System.out.println(ch);    // 中

2️⃣ 字符串中的 Unicode 转义

String s = "\u4e2d\u6587"; // 中文
System.out.println(s);

✅ Java 编译器会在编译阶段把 \uXXXX 转成对应字符。

三、处理补充平面（Emoji / 生僻字）

1️⃣ 遍历正确的 Unicode 码点

❌ 错误方式（会拆散 Emoji）：

for (int i = 0; i < s.length(); i++) {
    char c = s.charAt(i);
}

✅ 正确方式：

for (int i = 0; i < s.length(); ) {
    int codePoint = s.codePointAt(i);
    System.out.println(Integer.toHexString(codePoint));
    i += Character.charCount(codePoint);
}

或使用 API：

s.codePoints().forEach(cp ->
    System.out.println(Integer.toHexString(cp))
);

四、字符串与 byte[]（编码/解码）

这是 最容易出现乱码的地方。

1️⃣ String → byte[]（编码）

byte[] bytes = "中文".getBytes(StandardCharsets.UTF_8);

2️⃣ byte[] → String（解码）

String s = new String(bytes, StandardCharsets.UTF_8);

❌ 不推荐：

"中文".getBytes(); // 依赖平台默认编码

✅ 始终显式指定 UTF-8

五、文件 / 网络 / 数据库的 Unicode 处理

1️⃣ 文件读写（UTF-8）

Files.writeString(
    Paths.get("a.txt"),
    "中文",
    StandardCharsets.UTF_8
);

String s = Files.readString(
    Paths.get("a.txt"),
    StandardCharsets.UTF_8
);

2️⃣ 网络传输（HTTP）

request.setCharacterEncoding("UTF-8");
response.setContentType("text/html;charset=UTF-8");

3️⃣ 数据库

• 数据库、表、字段：UTF-8（MySQL 用 utf8mb4）
• JDBC URL：

jdbc:mysql://localhost/db?useUnicode=true&characterEncoding=UTF-8

六、常见 Unicode 问题总结

七、实用工具方法示例

判断是否是 Emoji（补充平面）

boolean isSupplementary(int cp) {
    return cp > 0xFFFF;
}

Unicode 码点转 \u 形式

String toUnicode(int cp) {
    return String.format("\\u%04X", cp);
}

八、一句话总结

✅ Java 内部永远用 UTF-16，对外永远用 UTF-8，处理字符串时优先使用 codePoint，而不是 char。

如果你有具体场景（文件、网络、正则、Emoji、序列化、JSON、数据库），可以告诉我，我可以给更针对性的示例。