Java字符处理：Unicode与数值转换方法

Java 中的 char 本质是无符号16位整数（0–65535），并非直观意义上的“字符”，尤其面对 emoji、古汉字等增补平面（U+10000+）Unicode 字符时，必须依赖代理对和 codePointAt、codePoints 等码点级 API 才能正确处理；盲目使用 charAt、length 或直接 (int)c 转换极易导致乱码、计数错误或语义偏差——本文直击开发者最常踩的 Unicode 坑，从底层原理到实战技巧，帮你避开字符处理中的隐形陷阱，写出真正健壮、国际化友好的 Java 字符串逻辑。

char 在 Java 里不是“字符”，而是无符号16位整数

Java 的 char 类型本质是 unsigned short（0 到 65535），它不直接等价于 Unicode 字符——尤其当遇到增补字符（U+10000 及以上）时，char 无法单独表示，必须用两个 char 组成代理对（surrogate pair）。所以别默认 char == 一个“人眼可见的字”。

常见错误现象：
— 对 emoji（如 ?）或中文古字调用 String.charAt(i) 得到乱码或问号
— str.length() 返回值比“看起来的字数”多 1（因为代理对占两个 char）
— 把 char 直接强转为 int 当 Unicode 码点用，结果在增补平面出错

• 判断是否为有效代理对：用 Character.isHighSurrogate(c) 和 Character.isLowSurrogate(c)
• 获取真实 Unicode 码点：优先用 String.codePointAt(i)，而非 charAt(i)
• 遍历字符串所有码点：用 String.codePoints().forEach(...) 或手动跳过低代理

char 到数值的转换：别直接 (int)c，小心高位截断

char 转数值最安全的方式是显式零扩展：用 (int)c & 0xffff。直接 (int)c 在语义上没问题（因为 char 是无符号），但容易误导——尤其当后续逻辑误以为它可能为负。

使用场景：
— 计算校验和、哈希片段
— 序列化为字节时取低16位
— 与 C 接口交互需保持 unsigned 行为

• (int)c 在 Java 中自动零扩展，结果正确，但可读性差
• c + 0 也合法，但类型提升后仍是 int，不推荐——意图不明确
• 若需转为有符号 short：用 (short)c，但注意 c > 32767 时会变负（如 '\uabcd' → -21555）

Unicode 码点 vs char 值：String.codePointCount() 才是“真长度”

当你需要知道字符串包含多少个 Unicode 字符（即用户感知的“字数”），String.length() 不可靠。它返回的是 char 数量，而一个 emoji 或生僻汉字可能占两个 char。

性能影响：
— codePointCount() 是 O(n)，需扫描整个字符串识别代理对
— length() 是 O(1)，但意义不同

• 获取真实字符数：str.codePointCount(0, str.length())
• 获取某位置的码点：str.codePointAt(index)，返回 int，能覆盖全部 Unicode（0x000000–0x10FFFF）
• 不要用 str.charAt(i) == 'x' 做增补字符比较；改用 str.codePointAt(i) == 0x1F680

char 字面量和转义：\uXXXX 只支持 BMP，高平面得用 String

\u 开头的 Unicode 转义只能写 4 位十六进制，也就是 U+0000–U+FFFF。想表示 U+1F680（?），不能写 '\u1F680' —— 编译失败。

错误现象：
— char c = '\u1F680'; → 编译错误：unclosed character literal
— 试图用 (char)0x1F680 → 截断为 0xF680（一个完全不同的字符）

• 高平面字符只能存在 String 中：String s = "\uD83D\uDE80";（代理对写法）
• 更安全的写法：String s = String.valueOf(Character.toChars(0x1F680));
• 从文件或网络读入的字符串，只要编码正确（UTF-16 或 UTF-8），内部已自动处理代理对，无需手动拆

最常被忽略的一点：很多工具链（如 JSON 解析器、日志截断、数据库字段长度限制）仍按 char 数计长，而不是码点数——这意味着一个 ? 在某些系统里被算作 2 个“字符”，哪怕你肉眼看它就是一个。

文中关于的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《Java字符处理：Unicode与数值转换方法》文章吧，也可关注golang学习网公众号了解相关技术文章。