代碼單元與代碼點

代碼點指編碼表(比如Unicode)中某個字符的代碼值(數字)，書寫時前面加U+，比如U+0041是字母A的代碼點

java中的代碼單元指表示編碼表字符的最小存儲單元，用16位表示

Unicode 代碼點

U+0041

U+00DF

U+6771

U+10400

表示字形

UTF-32 代碼單元

00000041

000000DF

00006771

00010400

UTF-16 代碼單元

0041

00DF

6771

D801

DC00

UTF-8 代碼單元

41

C3

9F

E6

9D

B1

F0

90

90

80

增補字符，用兩個代碼單元表示的字符

 

網摘：

＂代碼點（Code Point）就是指Unicode中為字符分配的編號，一個字符只占一個代碼點，例如我們說到字符“漢”，它的代碼點是U+6C49.代碼單元（Code Unit）則是針對編碼方法而言，它指的是編碼方法中對一個字符編碼以后所占的最小存儲單元。例如UTF-8中，代碼單元是一個字節，因為一個字符可以被編碼為1個，2個或者3個4個字節；在UTF-16中，代碼單元變成了兩個字節（就是一個char），因為一個字符可以被編碼為1個或2個char（你找不到比一個char還小的UTF-16編碼的字符，嘿嘿）。說得再羅嗦一點，一個字符，僅僅對應一個代碼點，但卻可能有多個代碼單元（即可能被編碼為2個char）。

    以上概念絕非學術化的繞口令，這意味着當你想以一種統一的方式指定自己使用什么字符的時候，使用代碼點（即你告訴你的程序，你要用Unicode中的第幾個字符）總是比使用代碼單元更好（因為這樣做的話你還得區分情況，有時候提供一個16進制數字，有時候要提供兩個）。＂

 

想找到第i個代碼點，使用下列語句

int index = greeting.offsetByCodePoints(0,i);  //得到0開始便宜i個代碼點的索引值(數字)

int cp = greeting.codePointAt(index);  // 返回char值(unicode對應數字)