Java SE 7 仕様によると、 Javaは Unicode UTF-16 標準を使用して文字を表現します。それぞれが 1 文字を含む 16 ビット変数の単純な配列Stringとして a を想像すると、人生は単純です。
残念ながら、16 ビットでは不十分なコード ポイントがあります (すべての Unicode 文字の 16/17 だったと思います)。したがって、これは直接的な問題にはなりません。追加の 2 バイトStringを使用してこれらの ~1.048.576 文字の 1 つを格納したい場合、単に 2 つの配列位置が使用されるためです。String
これは、直接的な問題を引き起こすことなくString、常に追加の 2 バイトが存在する可能性があるため、s に対して機能します。ただし、UTF-16エンコーディングとは対照的に、 16ビットの固定長を持つ単一変数に関しては、これらの文字をどのように格納できますか、特にJavaは2バイトの「char」でどのようにそれを行うのですか?タイプ？
答えはjavadocにあります：
charデータ型（したがって、Characterオブジェクトがカプセル化する値）は、文字を固定幅の16ビットエンティティとして定義した元のUnicode仕様に基づいています。その後、Unicode標準が変更され、16ビットを超える表現が必要な文字を使用できるようになりました。
有効なコードポイントの範囲は、Unicodeスカラー値として知られるU+0000からU+10FFFFになりました。（Unicode標準のU + n表記の定義を参照してください。）U+0000からU+FFFFまでの文字のセットは、Basic Multilingual Plane（BMP）と呼ばれることもあります。コードポイントがU+FFFFより大きい文字は、補助文字と呼ばれます。Java 2プラットフォームは、char配列とStringクラスおよびStringBufferクラスでUTF-16表現を使用します。この表現では、補足文字はchar値のペアとして表され、最初は高サロゲート範囲（\ uD800- \ uDBFF）から、2番目は低サロゲート範囲（\ uDC00- \ uDFFF）からです。
したがって、char値は、サロゲートコードポイントまたはUTF-16エンコーディングのコードユニットを含む、Basic Multilingual Plane（BMP）コードポイントを表します。int値は、補足コードポイントを含むすべてのUnicodeコードポイントを表します。intの下位（最下位）21ビットはUnicodeコードポイントを表すために使用され、上位（最上位）11ビットはゼロでなければなりません。
特に指定のない限り、補足文字および代理文字値に関する動作は次のとおりです。char値のみを受け入れるメソッドは、補足文字をサポートできません。サロゲート範囲のchar値を未定義の文字として扱います。たとえば、Character.isLetter（'\ uD840'）はfalseを返しますが、この特定の値の後に文字列内の低いサロゲート値が続く場合は、文字を表します。int値を受け入れるメソッドは、補助文字を含むすべてのUnicode文字をサポートします。たとえば、Character.isLetter（0x2F81A）は、コードポイント値が文字（CJKイデオグラフ）を表すため、trueを返します。Java SE APIのドキュメントでは、U+0000からU+10FFFFの範囲の文字値にUnicodeコードポイントが使用されています。Unicodeコード単位は、UTF-16エンコーディングのコード単位である16ビットのchar値に使用されます。Unicodeの用語の詳細については、Unicodeの用語集を参照してください。
簡単に言った：
さらに簡単に言った：
余談ですが、UnicodeがBMPを超えて拡張されたため、UTF-16はグローバルに無関係になり、UTF-16では固定のバイト文字比さえ有効になりませんでした。そのため、より現代的な言語はUTF-8に基づいています。このマニフェストはそれを理解するのに役立ちます。
基本的に、文字列はUTF-16コードユニットのシーケンスを格納します...これは、Unicodeコードポイントのシーケンスを格納することと同じではありません。
基本多言語面の外側の文字が必要な場合、それは内の2つのUTF-16コードユニットを占有しますString。
ほとんどのString操作- length()、、などはcharAt、substring()UTF-16コードユニットの数を処理します。ただし、codePointAt()完全なUnicodeコードポイントを処理するような操作があります...ただし、インデックスはUTF-16コード単位で表現されます。
編集：非BMPコードポイントを単一に格納したい場合charは、基本的に運が悪いです。256を超える個別の値をbyte変数に格納したいようなものです...それは機能しません。他の場所（たとえば）でコードポイントを表すための規則に従うと、変数Stringを使用するのが最善です。int