Java中如何将超过U+FFFF的字符转换为Unicode？

Question

我如何使用Java中的char显示U+FFFF以上的Unicode字符？

我需要像这样的东西（如果它是有效的）：

char u = '\u+10FFFF';

- liuyuqing

---

请查看此文档。虽然您无法将超过0xFFFF的内容物理放入char中。 - mpontillo

Answer 1

你无法使用单个char（它只能容纳UTF-16编码单元）来实现，但你可以使用String：

// This represents U+10FFFF
String x = "\udbff\udfff";

或者：

String y = new StringBuilder().appendCodePoint(0x10ffff).toString();

那是一个代理对（由两个UTF-16代码单元组合而成，形成单个Unicode代码点超出了基本多语言平面）。当然，您需要使用能够处理它的内容来显示数据...

- Jon Skeet

Answer 2

除了使用 StringBuilder，您还可以直接使用 Character 类中的函数。该函数是 toChars()，其规范如下：

将指定的字符（Unicode 代码点）转换为
其 UTF-16 表示形式存储在一个 char 数组中。

因此，您不需要确切地知道代理对看起来像什么，您可以直接使用代码点。然后，示例代码如下：

int ch = 0x10FFFF;
String s = new String(Character.toChars(ch));

请注意，代码点的数据类型为int而不是char。

- user502187

Answer 3

Unicode字符可能需要超过两个字节，这在char类型中无法通用地容纳。

- Boris Pavlović

---

注意，在Java中，一个char占用2个字节。 - mpontillo

Answer 4

源代码

char数据类型基于最初的Unicode规范，该规范将字符定义为固定宽度的16位实体。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的字符称为补充字符。Java 2平台在char数组和String和StringBuffer类中使用UTF-16表示法。在此表示法中，补充字符表示为一对char值，第一个值来自高代理范围（\uD800-\uDBFF），第二个值来自低代理范围（\uDC00-\uDFFF）。

因此，char值表示基本多语言平面（BMP）代码点，包括UTF-16编码的代理代码点或代码单元。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，否则与补充字符和代理char值相关的行为如下：

- 只接受char值的方法无法支持补充字符。它们将代理范围中的char值视为未定义字符。例如，Character.isLetter('\uD840')返回false，即使这个特定值后跟任何低代理值在字符串中表示一个字母。

- 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J2SE API文档中，Unicode代码点用于U+0000和U+10FFFF之间的字符值，Unicode代码单元用于16位char值，它们是UTF-16编码的代码单元。

- kandarp