Java字符编码核心是Unicode字符集与UTF-16编码方案的紧密配合：Unicode定义字符唯一码点（如'中'为U+4E2D），UTF-16规定内存存储方式，char为16位代码单元，BMP字符占1个char，辅助平面字符需代理对（如?为\uD83D\uDE0A），String底层为char[]，length()返回代码单元数而非真实字符数。
Java 中字符编码的核心，其实是 Unicode 字符集 和 UTF-16 编码方案 的配合使用。它们不是同一概念，但 Java 内部 tightly coupled（紧密绑定）地依赖这一组合。
Alibabacloud Sdk Client Initialization For Java
下载
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。
Unicode 是“字符身份证系统”，UTF-16 是“内存存档方式”
Unicode 定义了每个字符的唯一编号（码点，Code Point），比如 '中' 是 U+4E2D，'?' 是 U+1F60A。它不规定怎么存、占几个字节——只负责发“身份证号”。
而 UTF-16 是一种具体实现规则：告诉 JVM 怎么把码点变成内存里的二进制数据。Java 选择 UTF-16 作为字符串在内存中的原生存储格式。
Java 的 char 类型本质是 UTF-16 代码单元
- `char` 是 16 位无符号整数（0–65535），对应一个 UTF-16 代码单元（Code Unit） - BMP 字符（码点 `U+0000` 到 `U+FFFF`）：直接用 1 个 `char` 表示，例如 `'A'`、`'中'` - 辅助平面字符（码点 `U+10000` 到 `U+10FFFF`）：必须用 2 个 `char` 组成代理对（Surrogate Pair），例如 `"?"` 在 String 中实际是 `'\uD83D' + '\uDE0A'`String 底层是 char[]，但逻辑上是码点序列
- `String value[]` 存的是 UTF-16 代码单元，不是语义上的“字符” - 所以 `str.length()` 返回的是代码单元个数，不是真实字符数 - `str.charAt(0)` 可能只拿到代理对的高位，单独打印是乱码（如 ``） - 正确遍历字符应使用：- `str.codePoints().forEach(cp -> ...)`
- `str.chars().forEach(...)`（注意：仍按代码单元，非码点）
- `Character.isHighSurrogate(c)` + `Character.isLowSurrogate(next)` 配合判断
为什么不用 UTF-8 或 UTF-32？
- UTF-8 虽省空间、网络友好，但变长（1–4 字节），随机访问慢，JVM 设计时更看重内存访问效率 - UTF-32 固定 4 字节，简单但浪费空间（英文字符也占 4 字节） - UTF-16 在“常用字符紧凑 + 扩展字符可支持”之间做了平衡，且与早期 Windows、.NET 等生态对齐常见误区澄清
- ❌ “Java 的 char 就是 Unicode 字符” → 实际是 UTF-16 代码单元，可能只是代理对的一半 - ❌ “String.length() 就是字符个数” → 对含 Emoji、生僻汉字的字符串，结果常偏大 - ✅ `Character.toCodePoint(high, low)` 和 `Character.charCount(cp)` 是处理代理对的关键 API - ✅ 文件读写、网络传输时，编码由 `Charset` 显式指定（如 `StandardCharsets.UTF_8`），和内存表示无关不复杂但容易忽略
