Java如何在其16位字符类型中存储UTF-16字符？
根据Java SE 7规范 ，Java使用Unicode UTF-16标准来表示字符。 将String想象成一个包含一个字符的16位变量的简单数组时，生活很简单。
不幸的是，有16位的代码点是不够的（我相信它是所有Unicode字符的16/17）。 所以在String ，这没有直接问题，因为当想要使用额外的两个字节存储这些~1.048.576字符中的一个时，只需使用该String两个数组位置。
这没有任何直接问题，适用于String ，因为总有两个字节。 虽然单变量与UTF-16编码相比，具有16位的固定长度 ，但如何存储这些字符，特别是Java如何使用2字节“char”来完成类型 ？
答案是在javadoc中 ：
char数据类型（以及Character对象封装的值）基于原始Unicode规范，该规范将字符定义为固定宽度的16位实体。 此后，Unicode标准已更改为允许表示forms需要16位以上的字符。
合法代码点的范围现在是U + 0000到U + 10FFFF，称为Unicode标量值。 （请参阅Unicode标准中U + n表示法的定义。）U + 0000到U + FFFF的字符集有时称为基本多语言平面（BMP）。 代码点大于U + FFFF的字符称为增补字符。 Java 2平台在char数组和String和StringBuffer类中使用UTF-16表示。 在此表示中，补充字符表示为一对char值，第一个来自高代理范围（\ uD800- \ uDBFF），第二个来自低代理范围（\ uDC00- \ uDFFF）。
因此，char值表示基本多语言平面（BMP）代码点，包括代理代码点或UTF-16编码的代码单元。 int值表示所有Unicode代码点，包括补充代码点。 int的较低（最低有效）21位用于表示Unicode代码点，而较高（最高有效）11位必须为零。
除非另有说明，否则有关补充字符和代理char值的行为如下：仅接受char值的方法不支持增补字符。 它们将代理范围中的char值视为未定义的字符。 例如，Character.isLetter（’\ uD840’）返回false，即使该字符串中的任何低代理值后面的特定值也表示字母。 接受int值的方法支持所有Unicode字符，包括补充字符。 例如，Character.isLetter（0x2F81A）返回true，因为代码点值表示一个字母（CJK表意文字）。 在Java SE API文档中，Unicode代码点用于U + 0000和U + 10FFFF之间范围内的字符值，Unicode代码单元用于16位字符值，这些值是UTF-16编码的代码单元。 有关Unicode术语的更多信息，请参阅Unicode术语表。
简单地说：
- char规则的16位是为旧版Unicode标准设计的
- 你有时需要两个字符来表示一个不在基本多语言平面中的unicode符文（代码点）。 这种“有效”，因为你不经常使用字符，尤其是处理BMP之外的unicode符文。
更简单的说：
- java char不代表Unicode代码点（嗯，并非总是如此）。
顺便说一句，可以注意到，Unicode的演变超越了BMP，使得UTF-16在全球范围内无关紧要，因为UTF-16甚至不能实现固定的字节 – 字符比。 这就是更多现代语言基于UTF-8的原因。 这个宣言有助于理解它。
基本上，字符串存储一系列UTF-16代码单元……这与存储Unicode代码点序列不同。
当需要基本多语言平面之外的字符时，它在String中占用两个UTF-16代码单元。
大多数String操作 – length() ， charAt ， substring()等处理UTF-16代码单元的数量。 但是，像codePointAt()这样的操作将处理完整的Unicode代码点……尽管索引仍以UTF-16代码单位表示。
编辑：如果你想在一个char存储非BMP代码点，你基本上是运气不好。 这就像是想在一个byte变量中存储超过256个不同的值……它只是不起作用。 遵循在其他地方表示代码点的约定（例如在String ），最好只使用int变量。