hadoop 中 的Text類與java中的String類感覺上用法是相似的，但兩者在編碼格式和訪問方式上還是有些差別的，要說明這個問題，首先得了解幾個概念；
字符集： 是一個系統支持的所有抽象字符的集合。字符是各種文字和符號的總稱，包括各國家文字、標點符號、圖形符號、數字等。例如 unicode就是一個字符集，它的目標是涵蓋世界上所有國家的文字和符號；
字符編碼：是一套法則，使用該法則能夠對自然語言的字符的一個集合（如字母表或音節表），與其他東西的一個集合（如號碼或電脈沖）進行配對。即在符號集合與數字系統之間建立對應關系，它是信息處理的一項基本技術。通常人們用符號集合（一般情況下就是文字）來表達信息。而以計算機為基礎的信息處理系統則是利用元件（硬件）不同狀態的組合來存儲和處理信息的。元件不同狀態的組合能代表數字系統的數字，因此字符編碼就是將符號轉換為計算機可以接受的數字系統的數，稱為數字代碼。
字符編碼與字符集通常是一一對應的關系，例如utf-8,utf-16,utf-32都是unicode的不同編碼格式；
utf-8： 將unicode字符集分成1~4個字節的形式表示
utf-16： 將unicode中編號從1到65536的字符都用兩個字節表示（因為前65536個被認為是常用字符），大於65536的字符通過變換的方法變成4個字節來存儲；
utf-8 與 utf-16具體的編碼變換方法，大家感興趣的話可以從網上搜索來看；
Hadoop中的Text類為了與外界更好的交互，采用的是utf-8的編碼，而java的char，String，StringBuffer則默認使用的是utf-16編碼；兩者在使用和訪問的時候其實是有一些差別的。
這里借用了網上一篇博客中的例子 ： http://blog.csdn.net/lastsweetop/article/details/9249411 來說明Text類與String類在訪問上的區別
第一個行表示unicode字符集中的序號（也是以16進制表示），第二行表示的是采用utf-8編碼的情況，第三行表示的是用utf-16編碼的情況，可以看到，第四個字符在utf-16編碼下也占用4個字節（兩個char單元，每個char單元是兩字字節）；
代碼如下，下面會分別解釋結果中每一行的意思；
String str = "\u0041\u00DF\u6771\uD801\uDC00";
Text text = new Text("\u0041\u00DF\u6771\uD801\uDC00");
System.out.println(str.length());
System.out.println(str.getBytes("UTF-8").length);
System.out.println(str.indexOf("\u0041"));
System.out.println(str.indexOf("\u00DF"));
System.out.println(str.indexOf("\u6771"));
System.out.println(str.indexOf("\uD801\uDC00"));
System.out.println(str.charAt(0)=='\u0041');
System.out.println(str.charAt(1)=='\u00DF');
System.out.println(str.charAt(2)=='\u6771');
System.out.println(str.charAt(3)=='\uD801');
System.out.println(str.charAt(4)=='\uDC00');
System.out.println(str.codePointAt(0));
System.out.println(str.codePointAt(1));
System.out.println(str.codePointAt(2));
System.out.println(str.codePointAt(3));
System.out.println(text.getLength());
System.out.println(text.find("\u0041"));
System.out.println(text.find("\u00DF"));
System.out.println(text.find("\u6771"));
System.out.println(text.find("\uD801\uDC00"));
System.out.println(text.charAt(0));
System.out.println(text.charAt(1));
System.out.println(text.charAt(3));
System.out.println(text.charAt(6));
5 //String 中的getLength表示的是字符串中char單元的個數，如果String中包含4個字節（兩個char單元）表示的字符，像上文中的第四個字符，getLength也是統計的是char 的數量，此時getLength的結果與實際的字符數是不同的。
10 //getBytes() 方法返回根據相應編碼（此例為utf-8）編碼后的字節數；四個字符按utf-8編碼后的字節數分別為1、2、3、4，所以總的字節數是10
0 //String 的indexOf方法返回的字符出現的位置；
1
2
3
true //String的charAt方法，返回的是相應位置的char編碼單元
true
true
true
true
65 //String類的codePointAt()方法返回的是對應位置的unicode字符集序號，即上文u+0041的十進制表示；
223 //
26481
66560 //這里要特別強調一下，由於第四個字符占據了兩個char單元，codePointAt()方法會進行相應的判斷，如果發現之后一位的char單元與當前位置的char單元是從屬於一個 unicode字符的話，就將兩者和在一起；如果不是的話，就單獨輸出當前的char單元；
10 //Text 類的getLength方法返回的是utf-8編碼之后的字節數
0 //Text類的find方法也是按照字節數的偏移位置來的
1
3
6
65 //Text類的charAt方法也是返回對應的unicode字符集序號；
223
26481
66560 //如果這一句換成 charAt(5) 那么返回的是 -1
由於Text的特點決定了：對Text的遍歷會麻煩一些，需要變成bytes后通過bytesToCodePoint()方法進行訪問；
ByteBuffer buffer = ByteBuffer.wrap(text.getBytes(), 0, text.getLength());
int cp;
while (buffer.hasRemaining() && (cp = Text.bytesToCodePoint(buffer)) != -1) {
System.out.println(Integer.toHexString(cp) + "haha");
}
輸出結果為：
41
df
6771
10400