UTF-16 揭秘Java String中的字符编码，全程高能无废话 #安员外很有码

布莱恩特-熊:
员外出品都是精品[打call][打call][打call]

卢雷克:
牛皮，看了这么多编码的视频，就这个给我整的明明白白的

小山嗦嗦:
Java为什么使用UTF-16，而不是更省内存的UTF-8

【回复】UTF-8有四种码长，不利于操作
【回复】utf-8并不只是一个字节，是最短一个字节，可变二个字节，仨字节，四字节
萝卜卜卜卜卜卜片:
通俗易懂很清晰，三连已发！Java用utf-16，为啥python用utf-32，不用更省空间的utf-8

【回复】许多年前 Unicode 的提出者天真地以为 16 位定长的字符可以容纳地球上所有仍具活力的文字，Java 设计者也深以为然。 参考 Unicode 设计，Java 设计者认为完全可以设计一个双字节数据类型来表达所有 Unicode 字符，于是便有了今天的原始数据类型 char。 但后来发现 65,536 个字符根本不足以表达所有文字，Java 5.0 版本既要支持 Unicode 4.0 同时要保证向后兼容性，不得不开始使用 UTF-16 作为内部编码方式，
弗朗克忠于职守:
请教一下大佬，java文件用utf-8输出中文为什么还是会有乱码？[思考]

fthlj:
java中的char类型只有两个字节大小 那如果一个汉字或者其它字符的码点值超过65536， 是不是char就不能表示这个汉字了。

【回复】回复 @哈哈hiii啊啊 : 用两个char表示， 那就是char数组了， 变成字符串了。
【回复】回复 @哈哈hiii啊啊 : “char类型变量可以存储单个字符“， 这种理解是错误的。 准确来说char类型存储的是utf-16的一个代码单元，而不是一个字符。 换句话说就是Unicode码点值，在65536以内的字符， char变量可以存储它， 对于码点值超过65536的字符， char变量无法存储它。 例如汉字 𠀾,𠀰还有emoji表情， char变量都无法存储。
【回复】可以表示啊 视频里面不是说了吗 用两个char表示 那个笑脸就是超过65535的
江同学mc:
Windows运行JAVA程序输出中文，显示的全是乱码，这个怎么办[笑哭]

【回复】可以试着调整一下Windows系统的默认编码，改成UTF-8试试
【回复】回复 @卢雷克 :NT内核是UTF-16，简体中文的codepage是936-GBK
账号已注销:
你好，请问既然代理区间不能存数据，那为什么2位还能存到65535？65535已经是全排列了

【回复】是说在这个代理区间，没有码点，也就是没有字符映射到这个区间，对于码点的值，大于65536的，使用映射算法，其实就是拆分加偏移，得到两个 char（16位）的，这两个十六位的正好在代理区间，这样在解析的时候，编译器看到这个char在代理区间，就知道他是4个字节，然后在往后读一个，然后两个拼起来（解码）就得到了原来的字符（码点）。
【回复】回复 @小温-学习版 : 那代理区间对应的码点（2048个）存在哪里呢，4字节的20位正好能存完65536以上的码点（1048576个），已经没位置了再存了吧
山姆丹妮:
请教个问题，为什么UTF-8比UTF-16的应用更广泛

【回复】因为它短♂小精悍。安员外的往期视频（BV1U5411d7FB）好像有讲
MiskuZero:
那代理区间对应的码点（2048个）存在哪里呢，4字节的20位正好能存完65536以上的码点（1048576个），已经没位置了再存了吧

【回复】回复 @啊-是阿能呀 :懂了，unicode在这部分就是单纯不定义字符，专门给utf–16准备的，字符集居然给编码方案让步，给具体方案让步也挺逆天的[笑哭]
【回复】那部分码点，是大家规定好的，专门用来做代理码点的，不对应任何字符