Java编码问题

1. Unicode与码点

所谓Unicode就是全世界的字符字典，也就是把字符给一个编号，这个编码就是码点。比如

2. 编码
由于这种分配的编码无论从占用空间角度，还是读取速度，以及逻辑划分角度，都不是完善。所以出现了计算机编码，就是把每一个字符分配一个二进制的数字来表示。比如采用hafman编码，这种可以大大的节省存储空间，现代的压缩逻辑有的就是这样。

• 采用utf-8编码，是一种边长编码，就是不同的字符占用的字节数目是不同的，一般来说ascii码占用1个字节，中文字符占用三个字节，还有特殊字符占用4个字节等等。
• 采用utf-16编码，一般每一个字符都占用两个字节，但是对于字符串来说，会存在字节顺序标记（Byte Order Mark，BOM）。BOM是一个特殊的Unicode字符（U+FEFF），用于指示文本的字节顺序（大端或小端），占用两个字节。所以一般会在总字符字节长度上在加上2。

3. 对应的实验如下

package com.inspur;import java.io.UnsupportedEncodingException;
import java.nio.charset.StandardCharsets;
import java.util.List;
import java.util.stream.Collectors;/*** @author: Zekun Fu* @date: 2023/9/30 20:43* @Description:*/
public class Main5 {public static void main(String[] s) throws UnsupportedEncodingException {// 10 然后一个结尾字符'/0'String str = "Hello, 世界! 所有字符都是一样的";System.out.println(str.length());// 获取字符串的UTF-16字节数组byte[] utf16Bytes = str.getBytes(StandardCharsets.UTF_16);System.out.println(utf16Bytes.length);int len = 0;// 遍历字节数组，计算每个字符所占用的字节数for (char c : str.toCharArray()) {String t = ("" + c);len = t.getBytes(StandardCharsets.UTF_16).length;System.out.println("字符: " + t  + ", 字节数: " + len);}// 遍历字符串的每个码点for (int i = 0; i < str.length(); i++) {int codePoint = str.codePointAt(i);System.out.println("\"" + str.charAt(i) + "\"的码点：" + codePoint);}}
}

4. 结果