java中的char中unicode和utf的關係

標籤：

char是Java的基礎類型（原類型 ），是字元類型。在Java中字元是基於Unicode編碼的，所以一個Java的字元佔2個位元組，字元的內容存的是unicode的碼值（位元字）。問題來了，程式是怎麼把unicode的碼值轉換為我們要的程式資料？例如：漢字的‘漢‘對應的unicode碼值為:0x6C49。我們想要的程式資料為‘漢‘，而電腦儲存的為碼值。如何把碼值‘0x6c49’顯示為‘字’，需要一個轉換過程。 這個轉換過程需要一個轉換規則。轉換規則的書面寫法為UTF(UCS Transformation Format) ,現在有的轉換規則有utf-8,utf-16,utf-32。

現在我們通常用的轉換規則為utf-8,其轉換規則如下;

Unicode編碼(十六進位)　 UTF-8 位元組流(二進位)000000 - 00007F           0xxxxxxx000080 - 0007FF          110xxxxx 10xxxxxx000800 - 00FFFF          1110xxxx 10xxxxxx 10xxxxxx010000 - 10FFFF          11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 

 

“漢”字的Unicode編碼是0x6C49。0x6C49在0x0800-0xFFFF之間，使用用3位元組模板了：1110xxxx 10xxxxxx 10xxxxxx。將0x6C49寫成二進位是：0110 1100 0100 1001， 用這個位元流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。

java的虛擬機器預設的轉換規則為utf-8;

java中的char中unicode和utf的關係