Java數據類型之細講char類型與編碼關系
Java是一種強類型的語言，這意味著必須為每一個變量聲明一種類型
Java中一共有8種基本數據類型（整形有4種，浮點型有2種，字符型1種，還有一種布爾類型）
由于Java程序必須保證在所有機器上都能得到相同的運行結果，所以各種數據類型的取值范圍必須是固定的
二、整形整形共有4種
byte：一個字節 short：2個字節 int：4個字節（剛好超過二十億） long int：8個字節這里要注意的一些地方是
長整形數值有一個后綴L或者l 十六進制數值有一個前綴0x或者0X 八進制有一個前綴0（容易混淆，不推薦使用） 從Java7（JDK1.7）開始可以使用0b或者0B寫二進制 從JAVA7開始，還可以為數字字面量加下劃線，如使用1_000_000表示100W（Java編譯器會去除這些下劃線）
開頭已經說了，各種數據類型的取值范圍必須是固定的，所以4種整形的范圍都為有符號位的范圍，Java也因此沒有Unsigned符號。
所以針對Unsigned的整形，基本數據類型的包裝類有對應的API的
這里首先要認識的一點是，只要不溢出，加法、減法和乘法都能正常計算，但除法是會出問題的
三、Byte.toUnsignedInt這個API的功能是針對Unsigned的Byte的轉化成Unsigned
從源碼上看，其實就是將其強制轉換成int，相當于擴大了位數，然后通過與上0xff，0xff是十六進制，轉化成二進制就是11111111，這個與運算的作用其實為了限制位數，因為byte是1個字節，頂多只有8位，超過8位的那些都不要，對于Unsigned來說，應該都為0.
四、Integer.divideUnsigned這個API的功能是針對Unsigned的int類型除法的
可以看到，他的處理與Byte一樣，都是轉化成更高位的類型，這里轉化成long，然后通過與運算舍棄后面多出來的位數（其實是改為0）
五、Integer.remainderUnsigned這個是用來求余數的
可以看到同樣也是轉化成更高位去處理
六、Long.divideUnsigned現在Long沒有更高位了怎么辦呢？
下面是源碼
public static long divideUnsigned(long dividend, long divisor) {//divisor是除數//而divident是被除數//首先判斷除數是否為Unsigned（<0就代表為unsigned，只不過將符號位看成1，變為負數）if (divisor < 0L) { // signed comparison // Answer must be 0 or 1 depending on relative magnitude // of dividend and divisor.//可以看到這里的返回值只有0和1 //這是因為除數為unsigned，根據整形的向下取整規則 //得到的結果只能為1和0（dividend大于divisor就為1，小于就為0） //dividend不可能為divisor的兩倍（因為位數不過） return (compareUnsigned(dividend, divisor)) < 0 ? 0L :1L;}//如果除數不是Unsigned，那么就判斷被除數if (dividend > 0) // Both inputs non-negative //如果被除數不是Unsigned，就直接除就好 return dividend/divisor;else { /* * For simple code, leveraging BigInteger. Longer and faster * code written directly in terms of operations on longs is * possible; see 'Hacker’s Delight' for divide and remainder * algorithms. */ //如果是，那么就將除數和被除數換成更高位的BigInt型，去進行 return toUnsignedBigInteger(dividend).divide(toUnsignedBigInteger(divisor)).longValue();} }
下面我們就來看看compareUnsigned方法
MIN_VALUE是代表長整形可以取的最小值，也就是 − 2 63 -2^{63} −263
可以看到，具體的過程就是讓兩個數減去最小值，然后進行比較
原理是，即使是Unsigned，只要減去了最小值，就不會超過有符號位的范圍，然后通過比較減去后的大小，就可以判斷除數和被除數誰大誰小，然后就返回0和1。
七、浮點型浮點型有兩種類型，一種為float，一種為double。
這里，我們認識一下精度損失
在兩種浮點型，小數都是使用二進制表示的，比如 2 − 1 或 者 2 − 2 2^{-1}或者2^{-2} 2−1或者2−2，也就是0.5，0.125這些，也就是說，有一些小數是無法使用二進制表示的，只能通過后面的位數進行無限逼近，所以就會產生精度損失。
那什么是雙精度和單精度呢？
這是根據double和float的位數來區分的，double為8字節，而float為4字節，所以double可以使用更多位數進行逼近，所以double會更加精確。
這里要注意的是，所有的浮點數計算都遵循IEEE754規范
對于表示溢出和出錯情況，使用了三個特殊的浮點數值去表示
正無窮大 負無窮大 NaN（不是一個數字）
char類型本來用來表示單個字符，但如今有些Unicode字符可以用一個char表示，也就是兩個字節，但有時一些Unicode字符需要用多個字節表示，也就是使用多個char表示
char類型的值可以表示為十六進制值，從u0000～uffff。這里是u充當了一個轉義序列的功能，同時u轉義序列是可以出現在字符常量或字符串，所以使用注釋和參數的時候，要注意一下
在Java中，char類型描述了UTF-16編碼中的一個代碼單元
九、Unicode在認識UTF-16前，我們需要認識Unicode
Unicode其實相當于一本很厚的字典，里面儲存了世界上所有語言的字符，使用Unicode碼點唯一地對應一個字符。
Unicode是沒有規定字符對應的二進制碼占用的空間是多少，那么問題來了，以“漢”字為例，它的Unicode碼點為0x6c49，對應的二進制為110110001001001，也就是15位二進制，也就說明了，這個字需要用2個字節去存儲這個字，那么，對于其他字體，很有可能出現3個字節，或者更多的字節去存儲，對于計算機來說，計算機怎么知道這兩個字節表示的是一個字符，而不是與后面的字節形成一個字符?
所以，為了解決Unicode的這個問題，新的編碼方式UTF-8、UTF-16和UTF-32就出現了
十、UTF-8UTF其實是Unicode Transformation Format的縮寫，即統一Unicode編碼轉換格式
UTF-8的特點就是可變長，即對于不同長度字節的字符有很好的兼容性
編碼規則如下
對于單個字節的字符（也就是基本字符），也就是8位，會將第一位設為0，后面的七位會對應這個字符的Unicode碼點，因此對于0～ 2 7 2^7 27號字符是完全可以的，甚至與ASCII（另一種編碼方式，只不過不支持中文只有英文和符號）完全相同（這時候可能會有人說那么對于 2 8 至 2 7 2^8至2^7 28至27里面的字符呢？其實這一段被分在了使用2個字節表示）
對于需要使用N個字節來表示的字符(N>1)，第一個字節的前N位都設為1，第N+1位設為0（用來記錄這個字符是用多少個字節來存儲的，讓計算機可以識別出），剩余后面的N-1個字節的前兩位都要設置為10，剩下的二進制位則使用這個字符的Unicode碼點來進行補充
Unicode十六進制碼點范圍 UTF-8二進制 0000 0000 ~ 0000 007F(注意這里只有7位) 0xxxxxxx（對應表示碼點的七位） 0000 0080 ~ 0000 07FF（注意這里為11位） 110xxxxx 10xxxxxx （對應碼點11位） 0000 0800 ~ 0000 FFFF(注意這里位16位) 1110xxxx 10xxxxxx 10xxxxxx(對應碼點16位) 0001 0000 ~ 0010 FFFF(這里為18位) 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx（雖然超過碼點位數，但不影響表示）0000 0800 ~ 0000 FFFF(注意這里位16位)1110xxxx 10xxxxxx 10xxxxxx(對應碼點16位)0001 0000 ~ 0010 FFFF(這里為18位)11110xxx 10xxxxxx 10xxxxxx 10xxxxxx（雖然超過碼點位數，但不影響表示）
通過表格，可以看到UTF-8d的編碼其實很簡單，下面還是以'漢'為例，具體說一下如何進行UTF-8的編碼和解碼的
漢的編碼為0x00006c49，對應在Unicode十六進制碼點范圍的第三行，所以對應的UTF-8二進制為 1110 x x x x 10 x x x x x x 10 x x x x x x 1110xxxx 10xxxxxx 10xxxxxx 1110xxxx10xxxxxx10xxxxxx，然后將0x0006c49變為二進制為0x0110110001001001，然后填入到x里面即可（從第最后一位開始），結果為111001101011000110001001，然后再轉換成十六進制為：0xE6 0xB7 0x89
解碼的過程也十分簡單：專為二進制之后，先判斷多少個字節，如果第一個字節的第一位是0，則代表是只有1和字節，如果不是，就判斷前面總共有多少個1就碰到0，多少個1就是多少個字節，通過知道多少個字節，就可以知道后面要讀多少個字節來對應這個字符，只要去掉開頭的10就行
十一、UTF-16在認識UTF-16之前，先認識平面這個東西
前面提到過Unicode編碼是一本很厚的字典，將全世界的字符都定義在這個集合里面，但這本字典不是一次性完成的，而是經過持續地收集才完成的，所以也就產生了分區，進行分區定義。每個區可以存放65536，也就是2^16字符，一個區就稱為一個平面。目前Unicode一共有17（2 ^ 4+1）個平面（剩余16個為輔助平面），所以整個Unicodez字符集大小為 2 21 2^{21} 221
第一個平面，也就是第一個區，被稱為基本平面，前 2 16 2^{16} 216個字符也就被成為基本字符，碼點范圍也就是從0~ 2 16 − 1 2^{16}-1 216−1，寫成十六進制就是從U+0000到U+FFFF，最常見的字符大多都在這個區了。那么剩余的17個區，對應的碼點就是從U+10000到U+10FFFF（剛好16倍），那么要如何解決確定字符與字節對應的問題呢？
基本平面有一個很巧妙的地方，在基本平面內，從U+D800到U+DFFF是一個空段，也就是再這個區間內的碼點是沒有對應任何字符的，因此UTF-16就利用了這個空段來做了一個映射輔助平面的碼點（利用基本平面來儲存輔助平面）
在輔助平面碼點對應的字符總共有 2 20 2^{20} 220個，所以至少需要20個二進制位才可以完全對應輔助平面碼點的字符。
UTF-16將這20個二進制位分成一半，前十位映射在U+D800到U+DBFF之間（稱為高位），后10位映射在U+DC00到U+DFFF之間（成為低位），所以當遇到多個字節時，如果發現有碼點位于這兩個段區間，這就意味著這是輔助平面碼點的映射，輔助平面字符被拆分成多個基本平面的碼點表示。
據個栗子
漢字'?“的 Unicode 碼點為 0x20BB7，該碼點顯然超出了基本平面的范圍（0x0000 - 0xFFFF），因此需要使用四個字節表示。首先用 0x20BB7 - 0x10000 計算出超出的部分，然后將其用 20 個二進制位表示（不足前面補 0 ），結果為0001000010 1110110111。接著，將前 10 位映射到 U+D800 到 U+DBFF 之間，后 10 位映射到 U+DC00 到 U+DFFF 即可。U+D800 對應的二進制數為 1101100000000000，直接填充后面的 10 個二進制位即可，得到 1101100001000010，轉成 16 進制數則為 0xD842。同理可得，低位為 0xDFB7。因此得出漢字”?'的 UTF-16 編碼為 0xD842 0xDFB7
現在我們回到字符型里面的重點在Java中，char類型描述了UTF-16編碼中的一個代碼單元，可以知道char類型采用的是utf-16編碼方式，代碼單元其實指的就是U+D800～U+DBFF和U+DC00～U+DFFF這兩個映射區（這里是兩個個代碼單元，一個char只能使用一個代碼單元，不過通常一個代碼單元能表示絕大多數的字符了，但也是因為這個原因，有些字符char不可以完整表示），通過這個代碼單元，就可以進行解碼獲取Unicode編碼了
十二、布爾類型boolean類型有兩個值，false和true，用來判斷邏輯條件，整形值和布爾值之間是不能互換的。
到此這篇關于Java數據類型之細講char類型與編碼關系的文章就介紹到這了,更多相關Java char類型與編碼關系內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！
相關文章：
網公網安備