java中char,unicode

Mon, 07 Jan 2013 07:55:02 +0000

char c = '张';
 byte b[] = new byte[3];
 b[0] = (byte) ((c & 0xFF0000) >> 16); 
 b[1] = (byte) ((c & 0x00FF00) >> 8); 
 b[2] = (byte) (c & 0x0000FF);
 System.out.println(Arrays.toString(b));
 System.out.println(Arrays.toString(new Character(c).toString().getBytes("UNICODE")));

输出：

[0, 95, 32]
[-2, -1, 95, 32]

“张”的code point：U+5F20，可以看出java内部char使用的是双字节来存储unicode，这样的话，除了BPM，其它其它辅助平面里面的字符是没有办法直接使用，只能当成byte来处理。但是，当我显式获得字符的unicode的时候却是4个字节，看情况应该是ucs4，但是高16位却是-2，-1而不是0，我试了一下其它的字也都是这样。记一下这个问题。

文档：

http://zh.wikipedia.org/wiki/Unicode%E5%AD%97%E7%AC%A6%E5%88%97%E8%A1%A8#Unicode_.E7.BC.96.E7.A0.81.E8.A1.A8

update: 显式也是双字节，输出的4个字，其中前两个字节-2， -1就是oxFEFF，是个BOM头。。。

System.out.println(Arrays.toString(new String("张张").getBytes("UNICODE")));

[-2, -1, 95, 32, 95, 32] 只输出了一次BOM头

BOM：http://baike.baidu.com/view/126558.htm#sub5073178

Java on 两点之间

java中char,unicode