Java开发需避免使用char类型

前言

《Java核心技术》一书中强烈建议不要在程序中使用char类型，除非需要操作UTF-16代码单元。本文将详细解读其中原理。

基本概念

解释本文会用到的专业术语。

码点 是指编码表中对应字符的代码值。例如：Unicode标准中，字符A的代码值是U+0041 。

UTF-16编码 UTF-16编码采用不同长度的编码表示所有Unicode码点，寻码方式类似分页式存储。

代码单元 UTF-16编码中的每一位编码称为代码单元。

char Java中，char类型描述了UTF-16编码中的一个代码单元。

Unicode编码

Unicode产生背景

要理解char类型，您首先必须了解Unicode编码模式。Unicode的发明克服了传统的字符编码方案的局限性。

在Unicode出现之前，有许多不同的标准（ASCII、ISO8859-1等），导致了许多问题。首先，一个特定的代码值对应于不同的字母的各种编码方法；其次，字符编码的长度不一致，完全无法统一。

Unicode的设计

Unicode编码旨在解决这些问题。1990年开始设计Unicode编码，当时人们认为两个字节足以对世界上的所有字符进行编码。1991年，Unicode 1.0版本发布，Unicode字符使用了全部范围（65536）的一半不到的代码值。同时，Java选择使用16位Unicode字符进行重新设计。

Unicode的问题

随着时间的推移，不可避免的发生了。Unicode增长超出65536个字符，主要是由于增加了大量汉语、日语、汉语中的表意文字。目前，16位的char类型已经无法描述所有的Unicode字符了。

实例说明

char与码点

注：𝕆的Unicode编码为\uD835\uDD46

运行结果：

字符串长度为：13
码点长度为：12
第二个char为：?
第一个码点为：120134

程序说明：

1. "𝕆 is unicode"这一字符串的长度是13，就是因为𝕆占了两个char；
2. 获取的第二个字符也不是“ ”，而是𝕆所占char的第二个；
3. 如果需要获取指定码点，应使用codePointAt方法。

总结

在Java开发中，应避免使用char类型，因为Unicode编码有时会占两个代码单元，造成两个char表示一个字符的情况，这样会导致程序出现未知错误。