Java 为什么能给 char 类型赋值中文字符

因为 char 是 16 位无符号整数，用来表示 UTF-16 码位。而 UTF-16 本身是 2 字节或者 4 字节的变长编码，“我”是在 BMP 里的，所以只需要 2 字节即可表示。如果你从扩展 B 区找一个汉字，就会发现它是不能被赋值给 char 的。

补充: char 类型不是采用 utf16 编码规则，而是描述了 UTF-16 编码中的一个代码单元

@xuld
你才是菜鸟 不知道编辑器当前 utf8 编码下 输入一个汉字会插入三个字节 在源代码保存的就是三个字节 只是编译器转成了 utf16 两个字节

你其实没有理解精髓

@wuyiccc
对 一般 utf16 是 4 个字节 我还在奇怪 为什么 java unicode 两个字节

@wuyiccc

该字能在 java17 赋值给 char 但只能通过位移得到 2 个有用字节 如果 String.valueOf(a).getBytes("UTF-16") 则得不到有用东西

必须赋值给 String 才能处理

这个字的四个字节在此码表网站显示不出来 https://www.toolhelper.cn/Encoding/UTF16
D842 DFB7

@wuyiccc
在 java16 及以上 可以把这种超出两字节的汉字 赋值给 char 但得不到正确 bytes

@wuyiccc
该字通过 string.getBytes("UTF-8") 得到 4 个字节

其实它在 utf8 下

http://www.mytju.com/classCode/tools/encode_utf8.asp

是 6 个字节

@wuyiccc
对应 utf8 编码 fa a0 ae b7 能在编辑器中正常显示
可能网站 mytju 给出的 utf8 不准确

这种涉及具体设计的东西，为什么不直接看文档呢： https://docs.oracle.com/en/java/javase/22/docs/api/java.base/java/lang/Character.html#unicode

太长不看：

char 数据类型基于 Unicode 规范，该规范将字符（ characters ）定义为固定宽度的 16 位实体。从 U+0000 到 U+FFFF 的字符集有时被称为基本多语言平面 (Basic Multilingual Plane ，BMP)。码位大于 U+FFFF 的字符称为补充字符（ supplementary characters ）。UTF-16 编码这些补充字符的方式是，利用一对 16 位整数（称为「代用码位」）， 第一个来自高代用值范围（\uD800-\uDBFF ），第二个来自低代用值范围（\uDC00-\uDFFF ）。

因此，一个 char 值代表基本多语言平面中的一个码位，包括 UTF-16 编码使用的代用码位。为了表示那些在 UTF-16 中需要多码位编码的补充字符们（如部分汉字、符号等），将用 int 类型来代表一个完整 Unicode 码位。

因此，那些接受 char 类型的字符串工具函数，将无法处理补充字符；而接受 int 类型的那些，就可以处理所有字符。

稍微偏个题
其实你 c 语言里也可以这么写，而且有实际用处（不过一般不是中文，而是四个英文字母组成的字面量，类似 enum State { stop = 'stop' }这样的用法，然后就可以在内存里见到这个字面量了，简易调试的时候很有用（不过有字节序的问题，所以现在也不常用）

@w568w #29 手快发出去了。

再太长不看：char 就是 16 位整数，所以有的字符你无法赋值给 char 。int 则用于代表任意一个 Unicode 字符。Java 在 char[] 和 String 中储存字符串的方式是 UTF-16 编码。

你们不看字节码么？
这句代码经过编译器之后，就变成了 sipush 20320 ，管你是“你”还是什么，一律按照数字处理的，同理还有 boolean 只有 0 和 1 ，进行比较的时候其实就是判断等于 0 与否。本质都是一个数字，甚至观察 String 的本质，也是一堆 char ，一堆数字。

@w568w Java 9 之后 String 内部用 byte[]，编码有 LATIN1 和 UTF-16 两种

@sagaxu #33 这我倒没了解过，有来源吗？我的断言是上面文档里的描述：

> The Java platform uses the UTF-16 representation in char arrays and in the String and StringBuffer classes.

@w568w

https://openjdk.org/jeps/254

大多数语言里面, char 都代表的是 single unicode scalar value, 而 utf8 只是编码规则, 长度是 1-4 bytes(问题中的 '我' 就会编码成 3 个 bytes), 覆盖了 BMP(基本多文种平面), 基本上够 99.99% 的各类用途, 而且 uft8 是兼容 ascii 且大小端无关的, uft16 以以上要考虑 ascii 兼容和大小端的问题

@cpstar
这个帖子的初忠是 当前编辑器编码 utf8 输入汉字'你'时 输入了三个字节 E4BDA0
java 编译器隐士地把 utf8 字符字面量转成 utf16 4F60 等于十进制 20320

@codehz
大佬 能不能发个具体能利用这样 enum 调试 c 的例子 不是 c 高手

@theoriz #2 你有病，有病要去治，不治迟早会出事。

OP 38# 编译器干的不就是这个，读取原始文件，然后进行语法识别和语义识别，判断到给本地变量 a 设置 char ，那就把等号后边的字符（以单引号包住的，前一步语法分析没有问题的）按照文件存储编码或者-encoding 选项进行识别，按数字处理，并根据不同的数字范围来使用不同的指令集，iconst_x bipush sipush ldc 等