Java中Unicode字符集和UTF8,UTF16編碼

Unicode和UTF16

Unicode是字符集，但是Unicode不規定如何存儲，即到底幾個字節為一組對應一個字符；
UTF16是Unicode字符集的一種編碼方式，通過”提示位“標識幾個字節編為一組，這樣就可以實現字符的存儲和讀取了；
位於 D800~0xDFFF 之間的 Unicode 編碼是特別為四字節的 UTF-16 編碼預留的，所以不應該在這個范圍內指定任何字符。如果你真的去查看 Unicode 字符集，會發現這個區間內確實沒有收錄任何字符。
基本轉換步驟如下：
將代碼點減去 0x10000，僅保留低 20 位；
將高 10 位加上 0xD800，得到高代理；
將低 10 位加上 0xDC00，得到低代理；

Java程序內部使用UTF16編碼

Java程序在內存中使用UTF16編碼轉換字符為數字進行存儲，所以char類型可以隱式轉換為int；

int n = '你';
System.out.println(n);
// 20320
System.out.println(Integer.toHexString(n));
// 4f60
System.out.println("\u4f60");
// 你

但隨着unicode字符數量增加，2字節已經不夠了，所以char類型16位長度無法表示所有字符，很多字符需要用兩個char來表示

UTF8編碼

編碼方式指的是如何將字符轉化為字節，同時將字節轉化為字符；
UTF8也是一種，將Ascii碼字符轉為1個字節，將漢字轉為3個字節，通常存儲和傳輸用的比較多。

Java的getBytes()

Bytes是8位整數，getBytes()即將字符通過UTF16編碼為數字然后拆成8位Byte字節數組，Bytes是有符號的，所以會有負數。

 for (Byte b:"你".getBytes()) {
     System.out.println(b);
 }
 // -28
 // -67
 // -96