java中char本质是utf-16编码单元，为16位无符号整数（0–65535），可表示bmp内字符如“中”（u+4e2d），但超出bmp的字符（如? u+1f600）需两个char组成代理对，故string.length()返回char数而非字符数。

Java 中 char 类型的底层存储本质是 UTF-16 编码单元，不是“一个字符”也不是“一个字”，而是一个 16 位无符号整数（0 到 65535），对应 Unicode 的一个码位单位。

char 存的是 UTF-16 编码值，不是 Unicode 码点本身

例如汉字“中”的 Unicode 码点是 U+4E2D（十进制 20013），它落在基本多文种平面（BMP）内，所以 UTF-16 编码结果就是 0x4E2D —— 这个值直接存进 char 变量里，占 2 字节。但像 emoji ?（U+1F600）这种超出 BMP 的字符，UTF-16 会把它拆成两个 16 位值：高位代理 + 低位代理（如 \uD83D\uDE00），必须用两个 char 才能表示完整语义。

单个 char 不一定等于人眼看到的一个“字”

这是最容易误解的一点：

Alibabacloud Sdk Client Initialization For Java

在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。

下载

• 常见汉字、英文字母、数字、标点大多在 BMP 内，一个 char 就够了
• 生僻汉字（如 U+20000 起）、多数 emoji、部分古文字等属于辅助平面，需要两个 char 组成代理对
• String.length() 返回的是 char 数量，不是“字符数”；比如 "?" 的 length 是 2，但实际只显示 1 个图形

别把 char 当作“字符容器”，它是编码搬运工

char 本身不带编码上下文，它只是把 UTF-16 编码后的 16 位数值原样存下来：

• char c = '中'; → 存的是 0x4E2D，不是“中”这个字形
• char c = 20013; → 效果一样，因为 20013 十进制 = 0x4E2D
• char c = '\u4E2D'; → Unicode 转义写法，仍是同一个值
• char c = '?'; → 编译失败，因为该字符码点 > 0xFFFF，无法塞进一个 char

安全处理字符要绕开 char 单独操作

涉及中文、emoji 或国际化文本时，直接操作 char 容易出错：

• 遍历字符串别用 for (int i = 0; i
• 获取真实字符数：s.codePointCount(0, s.length())
• 拼接或截取含代理对的字符串，优先用 String 方法，而非 char[] 拆分
• 判断是否为有效字符：Character.isSupplementaryCodePoint(cp) 或 Character.isSurrogatePair(high, low)

Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南