Java Unicode统一码如何编码

Java 中 **Unicode 统一码（Unicode）**的编码方式，主要涉及 字符在内存中的表示、源文件编码、以及 与外部（文件/网络）交互时的编码。下面分层次说明。

一、Java 内部：Unicode 统一码如何编码

✅ Java 内部统一使用 UTF-16

• Java 的 char 类型：
  • 占 2 个字节（16 位）
  • 表示 UTF-16 的一个代码单元
• Java 的 String、char 在内存中都是 UTF-16 编码

Unicode 代码点与 UTF-16 的关系

示例：

char c1 = 'A';          // U+0041
char c2 = '中';         // U+4E2D

二、Java 中的 Unicode 转义（\u 编码）

✅ 源代码中可以使用 \u 表示 Unicode

char c = '\u4e2d'; // 表示 '中'
String s = "\u0048\u0065\u006C\u006C\u006F"; // Hello

特点：

• \u 是 编译期处理
• 在 任何地方 都可以使用（甚至注释、关键字中）

// \u000A 是换行符
System.out.println("Hello");

⚠️ 注意：滥用 \u 可能导致奇怪的编译错误。

三、Java 对外：字符与字节的转换（编码/解码）

Java 在 读写文件、网络通信 时，需要把：

• UTF-16（内存）
• 转换为
• UTF-8 / GBK / ISO-8859-1 等（字节）

1️⃣ String → 字节（编码）

String s = "中文";
byte[] utf8 = s.getBytes("UTF-8");
byte[] gbk  = s.getBytes("GBK");

2️⃣ 字节 → String（解码）

String s1 = new String(utf8, "UTF-8");
String s2 = new String(gbk, "GBK");

✅ 推荐始终显式指定编码

四、Java 源文件本身的编码

✅ Java 源文件本身不是强制 UTF-16

• .java 文件可以是：
  • UTF-8（推荐）
  • GBK
  • 其他编码
• 编译时需要知道源文件编码

javac -encoding UTF-8 Hello.java

⚠️ 如果编码不一致，容易出现乱码。

五、Java 与 UTF-8 / UTF-16 / UTF-32 的关系总结

六、常见误区

❌ Java 的 char 是 UTF-8
✅ 错，是 UTF-16

❌ 一个 char 一定能表示一个 Unicode 字符
✅ 错，辅助平面字符需要两个 char

七、关键点一句话总结

Java 内部使用 UTF-16 表示 Unicode，对外通过指定字符集（如 UTF-8）进行编码与解码。

如果你愿意，我也可以：

• 讲 Unicode 辅助平面（emoji）在 Java 中的处理
• 对比 Java vs JavaScript 的 Unicode 编码差异
• 结合 UTF-8 字节结构 详细图解