字符和字符串在Java中的旅程

以下是个人对java中字符和字符串的见解，如有疏漏之处，还请不吝赐教。

下面通过一个简单的程序来说明字符和字符串在Java中的旅程。

以字符 ' 中 '为例, 它的GBK编码是2个字节：0xd6d0, UTF-16 编码是2个字节：0x4e26，UTF-8编码是3个字节： 0xe4b8ab

public class CharacterInJava {
    public static void main(String[] args) {
        char c = '中';
　　　　　String s = "我是一个中国人";
        System.out.println(c + "" + c1 + s);

    }
}

当编辑完成CharacterInJava.java，您会选择保存文件。这时，CharacterInJava.java会保存在磁盘上。在保存的过程中，文本编辑器会帮我们将这个文件中的字符编码，我们可以指定编码，比如选择GBK编码时，字符 '中'会编码为 0xd6d0，如果是UTF-8的话，则会编码为 0xe4b8ab。下面是两种不同的编码保存文件的16进制表示：

GBK：                                                                                    UTF-8：

    

然后，我们接着要做的是编绎CharacterInJava.java, 在命令行输入javac -encoding GBK -d . CharacterInJava.java，即可编绎文件。这时可能会发生如下的错误：

错误的原因是，javac 通过-encoding 参数知道 CharacterInJava.java 是GBK编码的，因此使用GBK对源码进行解读。但其实，源码是用UTF-8编码的，因此发生了不可映射字符错误。通过更改为-encoding为UTF-8，即可编绎成功。也就是说，源文件是什么编码，程序员应该要清楚。

编绎完成后，生成了一个类文件：CharacterInJava.class，对文件进行反编绎：

Classfile /E:/JavaTutorial/IO/CharacterInJava.class
  Last modified 2019年2月19日; size 914 bytes
  MD5 checksum 5c174b19c95e5b26e64051fb06137319
  Compiled from "CharacterInJava.java"
public class CharacterInJava
  minor version: 0
  major version: 53
  flags: (0x0021) ACC_PUBLIC, ACC_SUPER
  this_class: #6                          // CharacterInJava
  super_class: #7                         // java/lang/Object
  interfaces: 0, fields: 0, methods: 2, attributes: 3
Constant pool:
   #1 = Methodref          #7.#16         // java/lang/Object."<init>":()V
   #2 = String             #17            // 我是一个中国人
   #3 = Fieldref           #18.#19        // java/lang/System.out:Ljava/io/PrintStream;
   #4 = InvokeDynamic      #0:#23         // #0:makeConcatWithConstants:(CLjava/lang/String;)Ljava/lang/String;
   #5 = Methodref          #24.#25        // java/io/PrintStream.println:(Ljava/lang/String;)V
   #6 = Class              #26            // CharacterInJava
   #7 = Class              #27            // java/lang/Object
   #8 = Utf8               <init>
   #9 = Utf8               ()V
  #10 = Utf8               Code
  #11 = Utf8               LineNumberTable
  #12 = Utf8               main
  #13 = Utf8               ([Ljava/lang/String;)V
  #14 = Utf8               SourceFile
  #15 = Utf8               CharacterInJava.java
  #16 = NameAndType        #8:#9          // "<init>":()V
  #17 = Utf8               我是一个中国人
  #18 = Class              #28            // java/lang/System
  #19 = NameAndType        #29:#30        // out:Ljava/io/PrintStream;
  #20 = Utf8               BootstrapMethods
  #21 = MethodHandle       6:#31          // REF_invokeStatic java/lang/invoke/StringConcatFactory.makeConcatWithConstants:(Ljava/lang/invoke/MethodHandles$Lookup;Ljava/lang/String;Ljava/lang/invoke/MethodType;Ljava/lang/String;[Ljava/lang/Object;)Ljava/lang/invoke/CallSite;
  #22 = String             #32            // u0001u0001
  #23 = NameAndType        #33:#34        // makeConcatWithConstants:(CLjava/lang/String;)Ljava/lang/String;
  #24 = Class              #35            // java/io/PrintStream
  #25 = NameAndType        #36:#37        // println:(Ljava/lang/String;)V
  #26 = Utf8               CharacterInJava
  #27 = Utf8               java/lang/Object
  #28 = Utf8               java/lang/System
  #29 = Utf8               out
  #30 = Utf8               Ljava/io/PrintStream;
  #31 = Methodref          #38.#39        // java/lang/invoke/StringConcatFactory.makeConcatWithConstants:(Ljava/lang/invoke/MethodHandles$Lookup;Ljava/lang/String;Ljava/lang/invoke/MethodType;Ljava/lang/String;[Ljava/lang/Object;)Ljava/lang/invoke/CallSite;
  #32 = Utf8               u0001u0001
  #33 = Utf8               makeConcatWithConstants
  #34 = Utf8               (CLjava/lang/String;)Ljava/lang/String;
  #35 = Utf8               java/io/PrintStream
  #36 = Utf8               println
  #37 = Utf8               (Ljava/lang/String;)V
  #38 = Class              #40            // java/lang/invoke/StringConcatFactory
  #39 = NameAndType        #33:#44        // makeConcatWithConstants:(Ljava/lang/invoke/MethodHandles$Lookup;Ljava/lang/String;Ljava/lang/invoke/MethodType;Ljava/lang/String;[Ljava/lang/Object;)Ljava/lang/invoke/CallSite;
  #40 = Utf8               java/lang/invoke/StringConcatFactory
  #41 = Class              #46            // java/lang/invoke/MethodHandles$Lookup
  #42 = Utf8               Lookup
  #43 = Utf8               InnerClasses
  #44 = Utf8               (Ljava/lang/invoke/MethodHandles$Lookup;Ljava/lang/String;Ljava/lang/invoke/MethodType;Ljava/lang/String;[Ljava/lang/Object;)Ljava/lang/invoke/CallSite;
  #45 = Class              #47            // java/lang/invoke/MethodHandles
  #46 = Utf8               java/lang/invoke/MethodHandles$Lookup
  #47 = Utf8               java/lang/invoke/MethodHandles
{
  public CharacterInJava();
    descriptor: ()V
    flags: (0x0001) ACC_PUBLIC
    Code:
      stack=1, locals=1, args_size=1
         0: aload_0
         1: invokespecial #1                  // Method java/lang/Object."<init>":()V
         4: return
      LineNumberTable:
        line 1: 0

  public static void main(java.lang.String[]);
    descriptor: ([Ljava/lang/String;)V
    flags: (0x0009) ACC_PUBLIC, ACC_STATIC
    Code:
      stack=3, locals=3, args_size=1
         0: sipush        20013
         3: istore_1
         4: ldc           #2                  // String 我是一个中国人
         6: astore_2
         7: getstatic     #3                  // Field java/lang/System.out:Ljava/io/PrintStream;
        10: iload_1
        11: aload_2
        12: invokedynamic #4,  0              // InvokeDynamic #0:makeConcatWithConstants:(CLjava/lang/String;)Ljava/lang/String;
        17: invokevirtual #5                  // Method java/io/PrintStream.println:(Ljava/lang/String;)V
        20: return
      LineNumberTable:
        line 3: 0
        line 4: 4
        line 6: 7
        line 8: 20
}

从常量池中看到，字符串是用UTF-8编码的。从main函数中第一行sipush 20013指令看到，字符 ' 中 '是用UTF-16编码的。

也就是说，class文件的字符按照UTF-16编码，大多数的字符都是用一个代码单元就可以表示的。字符串按照UTF-8编码。下面直接在

class文件中找出这些对应的编码。0xe6 88 91 对应于 我，0x4e2d 对应于 中

 

接下来是运行class文件：

　　查阅printfln的API知道，字符和字符串的输出，先根据平台默认的字符集将输出的字符或编码成一个或多个字节，然后将这些字节输出到终端。

整个过程大致如上，知道字符和字符串的编码，应该不易出现乱码。