Java基本的程序结构设计 字符类型

Posted 2020-09-23 张小贱1987

char类型

char是2个字节，和short一样。

char用单引号来表示。

char可以通过数字来表示，也可以通过字母来表示，也可以通过unicode编码单元来表示，特殊字符还可以通过\\+字符来表示。如下：

1. package com.zjf;
2.  
3. public class Test {
4.  
5.    public static void main(String[] args) {
6.  
7.       char c1 = \'A\';
8.       System.out.println(c1);
9.       char c2 = 65;
10.       System.out.println(c2);
11.       char c3 = \'\\u0041\';
12.       System.out.println(c3);
13.       char c4 = \'\\n\';
14.       System.out.println(c4);
15.    }
16. }

输出：

unicode编码

要想理解java 的char类型，必须要先了解unicode编码：

Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。

Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。目前的Unicode字符分为17组编排，0x0000 至 0xFFFF，每组称为平面（Plane），而每平面拥有65536个码位，共1114112个。然而目前只用了少数平面。Unicode 用数字-0x000000 -0x10FFFF来映射这些字符，其实原来uncode编码是0x0000 至 0xFFFF，也就是说2个字节，16位，后来不够了，又加了8位，也就是1个字节，不知道为什么，加的这一个字节本来可以使用ox00-oxFF中变化的，也就是说256种，不知道为什么只用了17种。也就是0x00-0x10。不过这17中已经只用了很少一部分，如果要有256中，估计要把外星人语言加进来才行了。

Unicode是编码规范，UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案。UTF是"UCS Transformation Format"的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。对于字符\'字\'，Unicode编码使用数字23383，也就是0x5b57。不论是使用UTF-8、UTF-16、UTF-32哪种编码，最终都要生成数字23383，只是采用不同的规则。

 

UTF-8：

UTF-8以字节为单位对Unicode进行编码。从Unicode到UTF-8的编码方式如 下：
Unicode编码(16进制)　║　UTF-8 字节流(二进制) 

• 000000 - 00007F　║　0xxxxxxx 
• 000080 - 0007FF　║　110xxxxx 10xxxxxx
• 000800 - 00FFFF　║　1110xxxx 10xxxxxx 10xxxxxx 
• 010000 - 10FFFF　║　11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

UTF-8的特点是对不同范围的字符使用不同长度的编码。对于0x00-0x7F之间的字符，UTF-8编码与ASCII编码完全相同。UTF-8编码的最大长度是4个字节。从上表可以看出，4字节模板有21个x，即可以容纳21位二进制数 字。Unicode的最大码位0x10FFFF也只有21位。

对于字符\'字\'，Unicode编码使用数字23383。使用UTF-8进行存储的时候，是oxE5AD97，三个字节。

它的二进制是：111001011010110110010111，可以按照上面的1110xxxx 10xxxxxx 10xxxxxx的规则进行拆分，拆分后把所有的x排成一行，就是：

0101101101010111

转换成10进制就是数字23383。

UTF-16

UTF-16编码以16位无符号整数为单位。我们把Unicode编码记作U。编码规则如下：
如果U<0x10000，U的UTF-16编码就是U对应的16位无符号整数（为书写简 便，下文将16位无符号整数记作WORD）。 
如果U≥0x10000，我们先计算U\'=U-0x10000，然后将U\'写成二进制形 式：yyyy yyyy yyxx xxxx xxxx，U的UTF-16编码（二进制）就是：110110yyyyyyyyyy 110111xxxxxxxxxx。 

对于字符字符\'字\'，使用数字23383，也就是ox5b57。

也就是你说UTF-16的大部分字符都是2个字节（16位），生僻字可能是4个字节（2个16位）。

也就是说16位是一个单元，并不是说每个字符都是16位。

java中的char是采用的UTF-16编码来描述一个代码单元的。

UTF-16有Big Endian Little Endian两种，代表在内存中，是高地址在前还是低地址在前，java采用的是Big Endian。对于字符字符\'字\'，在内存中是101101101010111。如果是Little Endian，应该是反过来。

 

字符串型

从概念上讲，java的字符型就是unicode字符序列。

不可变：

一旦定义了一个字符串，就没有方法修改它。java没有提供修改字符串的方法，对于C程序来说，字符串相当于是个数组，你可以改变任何一个下标的值。但是Java不可以。

如果要对java字符串修改下标，只能新建一个字符串，然后通过substring和拼接来实现，这样一定程度上效率很低。

但是java设计者认为字符串修改操作很少，对于字符串的操作，大多是比较，和合并等操作。所以java设计者将字符串设置为不可变，然后实现了共享。

没有字符串是可变的，就不能实现共享：

可以想象将字符串放在一个公共的池中，字符串变量指向池中的值，如果复制一个字符串，源字符串和复制的字符串共享相同的位置。

java设计者认为共享带来的高效率远远胜过可修改的字符串。

检测相等：

因为不可变，所以不能用==，只能用equals。

因为String是对象，对于对象的比较，==在java中是用来比较对象指向的堆中的位置是否相同。

虽然如此，如果我们用=比较对象指向的堆中的位置是否一样，也是不可以。

1. package com.zjf;
2.  
3. public class Test {
4.  
5.    public static void main(String[] args) {
6.  
7.       String s1 = "zhang";
8.       String s2 = "zhang";
9.       System.out.println(s1 == s2);
10.    }
11. }

结果为true。对我们来说，并没有做s1=s2的操作，结果却是true，这不是我们想要的结果。虽然说Sting a = b；那么用a == b是可以的，但是如果没有a=b，也可以a==b，这样对我们来说，会有不可预知的结果。

那么如果我们想用=来比较两个字符串的内容是否一致呢？也不行。

1. package com.zjf;
2.  
3. public class Test {
4.  
5.    public static void main(String[] args) {
6.  
7.       String s1 = "zhang";
8.       String s2 = "zhangjianfeng".substring(0, 5);
9.       System.out.println(s1);
10.       System.out.println(s2);
11.       System.out.println(s1 == s2);
12.    }
13. }

结果为：

zhang

zhang

false

 

两个字符串都是zhang，使用=却没有比较成功。

原因是因为java虚拟机只对字符串常量进行共享，对于+和substring等操作产生的结果，是不会共享的。

使用==进行字符串比较，程序会出现bug，而且这种bug在一定程度上是随机的。不要使用。

代码点和代码单元

Java字符串由char序列组成，char是采用UTF-16编码表示Unicod代码点的代码单元。

代码点就是我们生活中面对的一个字，因为UTF-16的存储方式，对于某些代码点需要32位，也就是说两个代码单元来存储，在java中，一个char是一个代码单元。

这样就会造成一些误解。

首先，length方法返回的是代码单元的数量。而不是代码点的数量。

其次，charAt方法获取的是代码单元，不是代码点。如果想获取代码点，string提供的有codepoint方法，

如下代码：

作者说，避免使用char，因为这太低级了。其实，虽然很少见到这些特殊字符，使用char的场景还是要慎重。

构建字符串：

使用较短的字符串构建字符串：

• StringBuilder
• StringBuffer 线程安全

包引入问题

像Sting，Integer，StringBuilder这种包，位于java.lang目录下，不需要import引入，也能识别。