Java – 什么是字符，代码点和代理？ 它们之间有什么区别？
我试图找到术语“字符”，“代码点”和“代理”的解释，虽然这些术语不仅限于Java，但如果存在任何特定于语言的差异，我希望解释为它与Java有关。
我发现了一些关于字符和代码点之间差异的信息，字符是为人类用户显示的内容，代码点是编码该特定字符的值，但我对代理不了解。 什么是代理人，他们与角色和代码点有何不同？ 我对字符和代码点有正确的定义吗？
在另一个关于将字符串作为字符数组逐步执行的线程中 ，提示此问题的具体注释是“请注意，此技术为您提供字符，而不是代码点，这意味着您可能会获得代理。” 我真的不明白，而不是就一个5年前的问题创建一系列评论，我认为最好在新问题中要求澄清。
要在计算机中表示文本，您必须解决两件事：首先，您必须将符号映射到数字，然后，您必须用字节表示这些数字的序列。
代码点是标识符号的数字。 为符号分配数字的两个众所周知的标准是ASCII和Unicode。 ASCII定义128个符号。 Unicode目前定义109384个符号，超过2 16个 。
此外，ASCII指定数字序列表示每个数字一个字节，而Unicode指定几种可能性，例如UTF-8，UTF-16和UTF-32。
当您尝试使用每个字符使用少于表示所有可能值（例如UTF-16，使用16位）所需的位数的编码时，您需要一些解决方法。
因此， 代理是16位值，表示不符合单个双字节值的符号。
Java使用UTF-16。
特别是， char （字符）是包含UTF-16值的无符号双字节值。
如果您想了解有关Java和Unicode的更多信息，我可以推荐这篇新闻通讯： 第1 部分 ， 第2部分
您可以在Javadoc中找到类java.lang.Character的简短说明：
Unicode字符表示
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 。 [..]从
U+0000到U+FFFF的字符集有时被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）。
换一种说法：
代码点通常表示单个字符 。 最初， char类型的值与Unicode代码点完全匹配。 这种编码也称为UCS-2 。
因此， char被定义为16位类型。 但是，Unicode中目前有超过2 ^ 16个字符 。 为了支持整个字符集 ，编码从固定长度编码UCS-2变为可变长度编码UTF-16 。 在此编码中，每个代码点由单个char或两个char 。 在后一种情况下，两个字符称为代理对 。
UTF-16以这样的方式定义，即如果所有代码点都低于2 ^ 14，则使用UTF-16和UCS-2编码的文本之间没有区别。 这意味着， char可用于表示一些但不是所有字符 。 如果一个字符不能在一个char表示，则术语char会产生误导，因为它只是用作16位字。
代码点通常是指Unicode代码点。 Unicode术语表说：
Codepoint（1） ：Unicode代码空间中的任何值; 也就是说，从0到10FFFF16的整数范围。
在Java中，字符（ char ）是无符号的16位值; 即0到FFFF。
如您所见，有更多的Unicode代码点可以表示为Java字符。 然而，Java需要能够使用所有有效的Unicode代码点来表示文本。
Java处理这个问题的方法是将大于FFFF的代码点表示为一对字符（代码单元）; 即代理对 。 它们将大于FFFF的Unicode代码点编码为一对16位值。 这使用了Unicode代码空间的子范围（即D800到U + DFFF）被保留用于表示代理对的事实。 技术细节在这里 。
Java正在使用的编码的正确术语是UTF-16编码表单 。
您可能会看到的另一个术语是代码单元 ，它是特定编码中使用的最小代表单位。 在UTF-16中，代码单元是16位，对应于Java char 。 其他编码（例如UTF-8，ISO 8859-1等）具有8位代码单元，UTF-32具有32位代码单元。
角色这个词有很多含义。 它意味着不同背景下的各种事物。 Unicode术语表为Character提供了4个含义，如下所示：
字符。 （1）具有语义价值的书面语言的最小组成部分; 指的是抽象的意义和/或形状，而不是特定的形状（参见字形），但在代码表中，某种forms的视觉表现对于读者的理解是必不可少的。
字符。 （2）抽象字符的同义词。 （ 抽象字符 。用于组织，控制或表示文本数据的信息单元。）
字符。 （3）Unicode字符编码的基本编码单位。
字符。 （4）中国出身的表意文字要素的英文名称。 [见表意文字（2）。]
然后是Java对字符的特定含义。
首先，unicode是一种标准，它试图定义和映射所有语言的所有单个字符，从英文字母到中文，数字，符号等。
基本上unicode有很长的编号字符列表，其中代码点指的是编号。
简而言之
- 字符是文本中的单个标记，无论是字母，数字还是符号。
- 代码点指的是unicode标准中令牌的编号
- 使用
UTF-16编码方案表示的字符包含许多字符，这些字符都不适合单个java字符的空格。 - 代理对是用于表示一个字符需要在一对字符的空间中表示的术语。 代理对是一个术语，用于表示在unicode表中列出如此高的一个字符，它需要一对字符空间来表示它。