Char类型、转义及字符集：Java中的字符串奥秘

在Java的8中基本数据类型中，char类型是较难掌握，处理char类型本身的用法之外，还要理解其与字符串的关系、转义序列、字符集。

本文将从基础概念出发，逐步深入探讨这些主题，并通过实例演示来巩固理解。

一、Char类型：Java中的字符基石

1.1 Char类型简介

在Java中，char是一种基本数据类型，用于存储单个字符。每个char类型变量占用2字节（即16位）的内存空间。

1.2 Unicode与编码

Unicode是一个包含世界上大多数书面语言字符的标准字符集，它为每种字符分配了一个唯一的数字——码点（code point）。通俗的说，码点是每个字符的唯一编号，计算机真正存储的是码点，在显示时通过字符集转换为字符。

Unicode字符列表，红框内是码点：

在这里插入图片描述

使用Java中的code point API：

在这里插入图片描述 Java的char类型直接支持Unicode，使用UTF-16编码方案进行内部表示。UTF-16是一种可变长度的字符编码方式，对于BMP（基本多语言平面）内的字符使用单个16位码元（即一个char），而对于补充平面的字符则需要一对char（称为代理对）来表示。

思考题：
char占用2个字节（16位），根据高中的排列组合知识，最多能表示2^16-1即65535个字符，但Unicode 4.0中定义了大约137,994个字符，远大于65535，那么其他的字符在Java中如何展示呢？

1.3 Demo：Char的使用

public class CharDemo {
    public static void main(String[] args) {
        char letter = 'A'; // ASCII字符
        char chineseChar = '中'; // 中文字符
        
        System.out.println("ASCII Character: " + letter);
        System.out.println("Chinese Character: " + chineseChar);
        
        // 使用转义字符
        char newline = '\n';
        char tab = '\t';
        System.out.println("Newline Example:\nThis is on a new line.");
        System.out.println("Tab Example:\tThis is indented with a tab.");

        // 比如这个一家四口符号:👨‍👩‍👧‍👦，虽然是一个字符，但其编码是两个字符，已经不能用char类型变量表示了
        String smileFace = "👨‍👩‍👧‍👦";
        System.out.println("CodePoint of smileFace: " + smileFace.codePointAt(0));
    }
}

在这里插入图片描述

二、转义序列：特殊字符的魔法

2.1 为什么要转义

在编写Java程序时，要写出正确的代码，有时必须用到转义。顾名思义，转义就是把看到的字符转换为规定的另一种字符。

为什么不能直接在代码中指定目标字符呢？

主要有如下两个原因：

❶用转义字符表示具有特殊意义、无法输入的字符。

如下图，想要实现字符串换行的效果，但是没有直接表示换行的字符，所以要用转义换行符“\n”，计算机读到这个字符就会另起一行。
在这里插入图片描述
❷会引发语法错误或具有特殊意义的字符。比方说如果字符串中包含一个双引号“"”，不转义就会报错。

在这里插入图片描述

2.2 常见转义序列

\n 新行（Line Feed）
\r 回车（Carriage Return）
\t 制表符（Horizontal Tab）
\" 双引号（用于字符串中嵌入双引号）
\\ 反斜杠（用于在字符串中表示反斜杠本身）

2.3 高级转义序列

除了上述常见的转义序列，Java还支持Unicode转义序列，格式为\uXXXX，其中XXXX代表字符的Unicode码点值的十六进制表示。这使得即使是无法直接键入的字符也能被轻松表示。

比如下图表示“一家四口”的字符，就需要通过转义字符来表示：
在这里插入图片描述

String smileFace = "\uD83D\uDC68\u200D\uD83D\uDC69\u200D\uD83D\uDC67\u200D\uD83D\uDC66";

System.out.println("smileFace: " + smileFace);

2.4 Demo：转义序列实践

public class EscapeSequenceDemo {
    public static void main(String[] args) {
        String text = "Hello, World!\nWelcome to Java.\tThis uses a tab.";
        System.out.println(text);
        
        // 使用Unicode转义序列
        String smiley = "\u263A";
        System.out.println("Smiley face: " + smiley);
    }
}

在这里插入图片描述

三、字符集：跨越编码的桥梁

3.1 字符集与编码简述

字符集定义了字符的集合及其对应的编号（码点），而字符编码则是将这些编号转换成计算机可以存储和处理的二进制形式的过程。常见的字符集包括ASCII、ISO-8859-1、GBK和UTF-8等。

3.2 Unicode与UTF-8

Unicode作为跨语言的标准字符集，解决了不同语言字符编码不统一的问题。UTF-8是一种非常流行的Unicode实现方式，它是一种变长编码，对于英文字符使用1字节，对于大部分常用字符使用2或3字节，对于更复杂的字符可能使用4字节，这种设计使得UTF-8既高效又兼容ASCII。

3.3 Java中的字符集处理

Java在处理字符串时，默认采用Unicode编码。但在读写文件、网络通信等操作时，需要指定或识别外部系统的字符编码。使用Charset类可以更好地处理字符集问题，例如，使用StandardCharsets.UTF_8来指定使用UTF-8编码。

3.4 Demo：字符集转换

import java.nio.charset.StandardCharsets;
import java.nio.charset.Charset;
import java.nio.ByteBuffer;
import java.nio.CharBuffer;

public class CharsetDemo {
    public static void main(String[] args) throws Exception {
        String original = "你好，世界！";
        byte[] utf8Bytes = original.getBytes(StandardCharsets.UTF_8);
        System.out.println("UTF-8 bytes: " + new String(utf8Bytes, StandardCharsets.UTF_8));
        
        // 转换编码
        Charset gbkCharset = Charset.forName("GBK");
        ByteBuffer inputBuffer = ByteBuffer.wrap(utf8Bytes);
        CharBuffer decodedChars = gbkCharset.decode(inputBuffer);
        byte[] gbkBytes = gbkCharset.encode(decodedChars).array();
        System.out.println("GBK bytes: " + new String(gbkBytes, "GBK"));
    }
}