Java中代碼點和代碼單元是什么？怎么理解？舉例說明下，它們之間有什么聯系有什么區別？為什么代碼點

代碼點就是指javascript型的信息點而代碼單元指普遍的廣泛的jinmk 和gdp信息技術網

創新互聯于2013年開始，是專業互聯網技術服務公司，擁有項目成都網站制作、做網站網站策劃，項目實施與項目整合能力。我們以讓每一個夢想脫穎而出為使命，1280元開州做網站,已為上家服務,為開州各地企業和個人服務,聯系電話:18980820575

java什么是代碼點和代碼單元

說白了一個代碼點就是一個Unicode字符。代碼單元就是代碼點的集合。

字符視圖

要了解字符集標準，您必須能區分三種不同的字符視圖：

字符集（字符的抽象列表）。

作為帶標量值的“代碼點”的字符。

作為編碼數據的字符。

字符集（字符的抽象列表）

字符集是各種文字（包括拉丁文、西里爾文、中文、朝鮮語、日語、希伯來語和阿拉伯語）中所包含的字符的一個抽象列表，由一百多萬個字符組成。字符集還包括其他符號，例如音符。

Unicode 和 GB18030 標準都具有字符集。當某個標準添加了新字符時，為了保持對等，另一個標準也將添加這些字符。

作為帶標量值的“代碼點”的字符

注意 這第二個字符視圖只適用于 Unicode，而不適用于 GB18030。

字符集中的每個字符都被分配到一個“代碼點”。每個代碼點都有一個特定的數值，稱為標量值。該標量值通常用十六進制表示。

代碼點存在于“代碼空間”中。代碼空間由許多標量值組成，這些值被劃分在兩個平面中：

基本多語種平面（64k 大小）。

在 Unicode 中，此下平面中的值的十六進制表示位于 U+0000 到 U+FFFF 的范圍中。

輔助賀缺多語種平面（16 個 64k 大小的附加節）。

在 Unicode 中，此上平面中的值的十六進制表示位于 U+10000 到 U+10FFFF 的范圍中。

所有可能的標量值的完整代碼空間的大小為 17 * 64k（1,088,000 個可能值）。

作為編碼數據的字符

每個編碼形式將字符從字符集轉換為編碼數據。

在 GB18030 中，編碼數據直接從字符集派生：標量值（作為字符集和編碼數據之間的媒介）的概念只適用于 Unicode。

在 Unicode 中，通過向標量值應用某個算法來派生編碼數據隱遲。

Unicode 定義了三種字符編碼形式：

UTF-8

UTF-16

UTF-32

代碼點和代碼單元

在每種編碼形式禪攜辯中，代碼點被映射到一個或多個代碼單元。

注意 有關代碼點的概述，請參見上一節字符視圖。

“代碼單元”是各個編碼形式中的單個單元。代碼單元的大小等效于特定編碼的位數測量單位：

UTF-8 中的代碼單元由 8 位組成。

UTF-16 中的代碼單元由 16 位組成。

UTF-32 中的代碼單元由 32 位組成。

GB18030 中的代碼單元由 8 位組成。

每個代碼點中的代碼單元數

映射到代碼點所需的代碼單元數根據編碼形式而有所不同：

UTF-8

在 UTF-8 中，因為代碼單元較小的緣故，每個代碼點常常被映射到多個代碼單元。代碼點將被映射到一個、兩個、三個或四個代碼單元。

UTF-16

UTF-16 的代碼單元大小是 8 位代碼單元的兩倍。所以，標量值小于 U+10000 的代碼點被編碼到單個代碼單元中。

對于標量值大于或等于 U+10000 的代碼點，每個代碼點需要兩個代碼單元。在 UTF-16 中，這些代碼單元對有一個獨特的術語：“Unicode 代理對”。

注意 下面對 Unicode 代理對的支持進行了討論。

UTF-32

UTF-32 中使用的 32 位代碼單元足夠大，每個代碼點都可編碼為單個代碼單元。

GB18030

在 GB18030 中，因為代碼單元較小的緣故，每個代碼點常常被映射到多個代碼單元。代碼點將被映射到一個、兩個或四個代碼單元。

對 Unicode 代理對的支持

某些受 Unicode 支持的文字包含代碼點的標量值大于或等于 U+10000 的字符。在 UTF-16 中，通過使用代理對來對這些代碼點進行編碼。

正確處理 Unicode 代理對非常重要。例如，當您在使用 UTF-16 編碼的應用程序中處理文本時，如果要添加、刪除或選擇字符以進行剪切、復制或粘貼操作，文本光標必須將每個代碼點作為單個文本字符導航。

winhex8位反向字節的順序

一、char 碼點和代碼單元

在Java Core 卷1中 對Char的描述如下

在設計Java時決定采用16位的Unicode字符集....（中間省略）... 現在16位的Char類型已經不能滿足描述所有Unicode字符的需要了。

Java為了解決這個問題的方法是使用蔽派碼點和代碼單元

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

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 code unit 為 16 bits，UTF-8 中一個 code unit 為 8 bits。一個 code point 可能由一個或多個 code unit(s) 表示。在 U+10000 之前的 code point 可桐并譽以由一個 UTF-16 code unit 表示，U+10000 及之后的 code point 要由兩個 UTF-16 code units 表示

在Java中，char類型描述了UTF-16編碼中的一個代碼單元

碼點：就是某個任意字符在Unicode編碼表中對應的代碼值代碼單元：是在計算機中用來表示碼點的，大部分碼點只需要一個代碼單元表示，但是有一些是需要兩個代碼單元表示的。

不同碼點對應的代碼單元數量可能不同

下面實際操作體驗一番

" " 這個數學符號碼點 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類型無法放下這個符號

//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("第一個單元：" + firstUnit + " 第二個：" + secondUnit + " 碼點：" +codePoint);

打印結果

第一個單元：d835 第二個：dd46 碼點：1d546

二、UTF-16編碼方式

我們來思考UTF-16的設計思路：

我們知道Unicode的范圍為0x0~0x10FFFF

首先是0x0~0xFFFF這段區間，正好16位就可以表示，也兼容，兩全其美

那么超過這個區間的怎么辦呢？

也就是0xFFFF~0x10FFFF這段，我們先看這段區間有多少個碼位，

0x10FFFF-0xFFFF=0x100000,那么這個十六進制表示的十進制也就是：1048576個碼位

我們既然16位存不下，那肯定就是32位存咯，局段這個32能理解為什么不？不理解？是因為計算機只能以2的倍數拓展，如果不這么設計，就沒辦法解析。長短不一，不符合設計思路

32位來存這些數字，那么我們需要怎么存下呢，簡單的思考過后，大家認為應該分開存儲，也就是將32位分開前16位和后16位，每個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位二進制數

這樣就知道了，32位二進制數字中，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的設計一樣，為了讓識別字符串變得容易（從文本的任意位置開始，均能區分一個字符的起始），這里是不是有點兒蒙？

舉個栗子：

假設：

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，當你讀到X的時候，你不知道他是X還是 AB,這樣就很麻煩，你需要設置標志，來讓16位的數據的前8或后8不會和單個8位的重復

可以這樣設計：

0xxx xxxx 代表0~2^7

11xx xxxx ,10xx xxxx 代表其他的

這樣就能區分開了，當你讀到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，有了這個思路，我們就知道怎么設計剛才的那個6位了，當然是通過這6位來區分這16位數字代表的位置

也就是UTF-16中，表示數據有單16位和雙16位（32位）兩種，那么我們設計成單16位和32位中的前16位和后16位這三個16位完全不會重復，那么我們就能隨時讀到一組16位，就能知道他是單16還是前16還是后16

舉個栗子：

根據上方信息，要求我們通過前6位來區分數據，那么前6位就是2^6=64，也就是開頭數字的區間

我們設定如下：

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

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

那么54開頭的數據區間是多少呢，就是1101 10xx xxxx xxxx，區間就是D800~DBFF

那么55開頭的數據區間是多少呢，就是1101 11xx xxxx xxxx，區間就是DC00~DFFF

為了配合UTF-16，Unicode中也將這兩個區間屏蔽掉，不允許分配任何字符

下方為比較官方的關于UTF-16的編碼詳解

參考文獻：

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（或稱為前導代理，存儲高位）；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，存儲低位）

根據上面的轉換方式，我們就能夠將Unicode碼根據UTF-16的編碼方式進行轉換。下面我們仍然通過兩個例子來看下：

U+0020，這個值的范圍在第一部分，即經過UTF-16編碼后，結果仍然為U+0020，在內存中的順序為00 20。

U+12345, 這個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。根據上面規則加上特定值后，高位代理值為D808，低位代理值為DF45，最終內存中的順序為D8 08 DF 45。

Java中碼點是什么意思？

碼點是指一個編碼表畝銷中的某個字符對應的代碼值。Unicode的碼點分為17個代碼級別，第一個級別是基本的多語迅念游言級別，碼點高悉從U+0000——U+FFFF，其余的16個級別從U+10000——U+10FFFF，其中包括一些輔助字符。

本文題目：java碼點和代碼單元 java 碼點
轉載注明：http://vcdvsql.cn/article10/ddpicgo.html

成都網站建設公司_創新互聯，為您提供移動網站建設、網站內鏈、ChatGPT、面包屑導航、網站排名、電子商務

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯