java教程：关于Unicode码的几个名词解释

【我爱IT技术网】3月13日IT技术：关于Unicode码首先说一下几个名词的解释：

Unicode是一种字符编码的方式，全称是Universal Multiple－Octet Coded Characrer Set，简称UCS。UCS用以规定如何用多个字节表示多种文字（字符编码），而用于规定传输UCS编码的规范称为UTF（UCS Transformation Format），UTF规范包括UTF－7，UTF－8，UTF－16。

而UCS有两种格式：UCS-2和UCS-4。
我们现在要讨论的是UCS－4，它分为128个group，每个group又分为256个plane，每个plane分为256个row，每个row包括256个cell。
其中，高两个字节为0的编码称为BMP（Basic Multilingual Plane），将UCS－4高位的两个字节砍掉就是UCS－2。

字节序的概念
现在让我们来考虑，既然我们现在存在多种编码形式，例如ANSI，Unicoe，Unicode big endian,那么系统是如何辩别文件采用的到底是何种编码的呢？假设系统扫描文件时，碰到两个字节，它是如何判断这两个字节表示的是一个字符，还是一个字符的前两个字节（在UCS-4中）？
这就是通过字节序标记（Byte Order Mark）来识别。它分为两种：big endian（俗称大尾）和little endian（小尾）。

有两个十分重要的概念需要弄明白的：
1。代码单元（code unit）：指的是BMP中的字符
2。代码点（code point）：指的是编码表中某字符对应的代码值，是一个十六进制数。

现在让我们考虑一下：如果我们在程序中使用char，会出现什么样的问题。

因为Java中使用UTF－16编码，即：用4个字节表示一个字符编码，但在Java中，char类型只有16位，那么在使用char时有可能将4个字节截断，从而产生错误。如果非要使用的话，建议使用codePointAt（index）方法。

本文来源 我爱IT技术网 http://www.52ij.com/jishu/320.html 转载请保留链接。