为什么Java编译器在实际编译之前会剥离所有Unicode字符？

Question

我对Java非常新手，我有下面这段代码：

    public class Puzzle {
        public static void main(String... args) {
            System.out.println("Hi Guys!");
  //        Character myChar = new Character('\u000d');
       }
    }

您可以看到这条线：

Character myChar = new Character('\u000d');

这个被注释掉了。但是，当我运行javac时，仍然会出现以下错误:

Puzzle.java:9: error: unclosed character literal
//        Character myChar = new Character('\u000d');
                                                  ^
1 error

在这篇博客中，我找到了异常的原因。该博客表示：

Java编译器在实际编译之前会剥离掉所有Unicode字符并将其转换为字符形式。这个解析过程针对的是包括注释在内的整个源代码。在此转换完成后，Java编译过程才会继续执行。

在我们的代码中，当Java编译器遇到\u000d时，它会将其视为换行符并更改代码如下：

public class Puzzle {
    public static void main(String... args) {
        System.out.println("Hi Guys!");
//      Character myChar = new Character('
        ');
   }
}

我有两个问题：

1. 为什么Java首先解析Unicode？这样做有什么优势吗？
2. 因为该行仍然被注释，Java正在尝试解析它！这是唯一的情况吗？还是通常也会解析注释行？我很困惑。

提前感谢。

- batman

---

问题2的要求不太清楚。最后的代码片段无法编译是明显的。 - Oliver Charlesworth

你已经回答了第二个问题 :) Java不解析注释，但在预处理之后，javac看到两行代码，第一行是注释，第二行是')'，这是一个语法错误。 - Alex Shesterov

问题1的答案是：否则它何时进行Unicode翻译？ - Oliver Charlesworth

个人而言，我希望词法分析器跳过注释中的所有标记。在实际编译之前进行这种处理对我来说似乎不太合逻辑。这样做的好处是什么？ - Alexis C.

@ZouZou：为了保持一致性。Unicode翻译只是编译器执行的第一件事情（请参见http://docs.oracle.com/javase/specs/jls/se8/html/jls-3.html#jls-3.2）。 - Oliver Charlesworth

Answer 1

1. 为什么Java首先解析unicode？它有什么优势吗？

是的，在编译器进行词法分析之前，Unicode序列首先被替换。

引用自 The Java™ Language Specification §3.3 Unicode Escapes：

Java编程语言的编译器（"Java编译器"）首先识别其输入中的Unicode转义符，将ASCII字符\u后跟四个十六进制数字翻译为所指示的十六进制值的UTF-16代码单元(§3.1)，并传递所有其他字符不变。

因此，例如以下源代码会导致错误：

// String s = "\u000d";

但这个是有效的：

/*String s = "\u000d";*/

因为当 \u000d 被替换为换行符时，它会变成这样：

/*String s="
";*/

这与多行注释/* */完全相容。

还有以下代码：

public static void main(String[] args) {
    // Comment.\u000d System.out.println("I will be printed out");
    // Comment.\u000a System.out.println("Me too.");
}

将打印出：

I will be printed out
Me too.

因为在替换Unicode后，两个System.out.println()语句将位于注释部分之外。 回答你的问题：Unicode替换必须在某个时刻发生。可以争论是在删除注释之前还是之后进行此操作。选择在删除注释之前进行这一步骤。

推理可能是因为注释只是另一个词法元素，在识别和分析词法元素之前，通常要替换Unicode序列。

看这个例子：

/\u002f This is a comment line

如果放在Java源代码中，它不会引起编译错误，因为\u002f将被转换为字符'/'，并且与前面的'/'一起形成一个行注释的开始//。

---

因为这一行仍然被注释了，Java 正在尝试解析它！这是唯一的情况吗？还是通常也会解析注释行？我感到困惑。

Java 编译器不会 分析 注释，但仍需解析以知道其结束位置。

- icza