Java 为什么能给 char 类型赋值中文字符

为什么很多人说 char 是 utf-16 编码呢？ char 存的是 unicode 不是 utf-8 或者 utf-16 。它能存 65536 个基本多文种平面（ BMP ）的字符，如果超过这个范围（生僻字）就需要两个 char 才能存得下。

char c = '\u0041';
System.out.println(c); // 输出：我

@user8341
更正：
char wo = '\u6211';
System.out.println(wo); // 输出：我

@user8341
超过这个范围就必须要用 String
没有两个 char 的表示法吧

我超市了一下，在两个字节能够表示的是可以直接这样赋值的，但超出了就会报错。

所以好像没啥问题，赋值中文确实可能出错，只是你的用例没到边界情况

```java
class Main {
public static void main(String[] args) {
// 创建一个包含超出基本多文种平面（ BMP ）字符的字符串
char str = '𠜎';

System.out.println("字符串： " + str);
}
}

```

@zhouyin 因为他本来就不是用的 utf8 ，java 用的就是 utf16 呀，这个和你代码文件的编码无关的，假设你使用 gbk2312 来保存你的代码，java 解析加载之后还是按他自己的规则走的。

@llej
你这样不行的 这种字符 赋值给 char 控制台输出乱码

@codehz #30

但这种写法按标准[^1]会得到一个「实现定义」的值。

> The value of an integer character constant containing more than
> one character (e.g., 'ab'), or containing a character or escape
> sequence that does not map to a single-byte execution character,
> is implementation-defined.

考虑到可移植性，通常不建议使用。
除非你写的代码只应用于特定实现，且该实现对此有明确定义。

比如在 GCC[^2] 中：

> The compiler evaluates a multi-character character constant
> a character at a time, shifting the previous value left by the
> number of bits per target character, and then or-ing in the
> bit-pattern of the new character truncated to the width of a
> target character.

[^1]: ISO/IEC 9899:1999 §6.4.4.4/10
[^2]: https://gcc.gnu.org/onlinedocs/cpp/Implementation-defined-behavior.html

---

声明：本回答并非使用 LLM 生成。

@llej 44#
复制到 intelliJ 里直接就是两个\u ，在 uestudio 中可以显示“𠜎”，按照 UTF-8 保存，javac -encoding UTF8 编译报错。按照 UTF-16 保存，并且-encoding UTF16 ，同样。
45#
在编译阶段，可以指定代码来识别源代码文件格式。典型的问题就是 Windows 环境如果按照 utf-8 编辑文件，但是手工在 cmd 里编译的话，会按照 GBK 识别文件从而在中文字符上出问题。

@sagaxu 你说的这是另外一件事。Windows 下，一个 Unicode 字符也是两个字节，你说是怎么做到的？当然是用更复杂的其它方法。

@cpstar
这种奇怪字符无法显示跟当前终端编码无关 gitbash 是 utf8 也无法显示 System.out.println("" + char )

除非这个 char 是 65535 里面的 那种生僻字符就无法显示

你如果能显示 是因为 jvm 实现由差别 因为 char 最多只能两个字节 那种生僻字符占 4 个字节

@dandycheung 做不到的，10 万+字符携带的信息量，不可能编码进 2 字节中，Windows 一个 Unicode 字符也可能是 4 字节。UTF-16 对应的不是字符，可能是半个字符。

@sagaxu 对，UTF-16 的方法叫“代理对”，surrogate pair ； Windows 的原生 Unicode 方案不是 UTF-16 ，而是叫 UCS2 ，虽然在大部分代码点上跟 UTF-16 重合，但并不完全一样。但是这些，都不影响楼主那个问题应该如何理解。

Java 的 char 存储的是 UTF-16 的一个 code unit ，一个不在 BMP 的 code point 在 UTF-16 里是两个 code unit ，所以你没法把这部分字符塞进一个 char 。但是常用汉字都在这个范围。

@sagaxu
10 万个字符算啥

utf-16 能用 4 个字节编码所有字符
就是 4294967296 个字符 42 亿 9 千 4 百 9 十 6 万 7 千 2 百 9 十 6 个字符！

@zhouyin 4 字节定长编码方案很早就有了。虽然简单，但由于空间占用和兼容性两方面的问题没能得到大规模应用。另外 Unicode 的编码空间范围是 0x0000 到 0x10FFFF ，远低于理论上限

@zhouyin 这得看编辑器内部以什么字符编码工作的，比如在 Windows 平台，Windows 自带的文本输入框内部用的就是 ucs2/utf-16 ，所以输入法输入的也是 ucs2/utf-16 ，一个汉字两个字节。

@glcolof
还要看编辑器啊 输入法是跟编辑器编码对应的 不然为什么不同编码时输入的汉字 保存后字节不一样

难道保存时临时转编码？

@zhouyin 对，读取和保存时转编码。一般语言的运行时库会提供相应的功能，指定使用什么编码。

@9LCRwvU14033RHJo #41 首先区分字符集和字符编码。Unicode 是字符集。要存到数据中是要指定编码的。准确的说：Java 中的 char 存放的是用 utf-16 编码的 Unicode 。

我只能说，基础不牢，地动山摇......