什么是码点?

码点(Code Point) 是 Unicode 标准中为每一个"字符"分配的唯一数字编号。

你可以把它理解为字符在 Unicode 这个"超级字典"里的身份证号。不管这个字符用什么编码方式存储(UTF-8、UTF-16、UTF-32),它的码点永远不变。

🔢 长什么样

码点通常用 U+ 前缀加十六进制数表示:

字符 码点 说明
A U+0041 基本拉丁字母
中 U+4E2D CJK 统一汉字
😀 U+1F600 增补平面 emoji
𝄞 U+1D11E 音乐符号

💡 关键认知 :码点是抽象的逻辑概念 ,和具体的字节存储无关。U+1F600 就是"笑脸"这个字符本身,至于它占 2 个 char 还是 4 个字节,那是编码方案的事。

🆚 码点 vs char vs 字节

这是最容易混淆的三个概念:

概念 本质 大小 例子(😀)
码点 字符的唯一编号 0 ~ 0x10FFFF U+1F600
char Java/UTF-16 的编码单元 固定 16 bit \uD83D\uDE00(两个 char)
字节 实际存储/传输的最小单位 取决于编码 UTF-8: 4字节;UTF-16: 4字节

一句话区分:

  • 码点 回答的是"这是什么字符?"
  • char/字节 回答的是"怎么存/怎么传?"

📐 Unicode 的码点空间

Unicode 定义了 0x0 ~ 0x10FFFF 共 1,114,112 个码点位置,分为 17 个平面:

  • BMP(基本多文种平面) :U+0000 ~ U+FFFF → 包含中文、英文、日文等常用字符 → 1 个 char 就能表示
  • 增补平面(1~16) :U+10000 ~ U+10FFFF → 包含 emoji、生僻字、历史文字等 → 需要 2 个 char(代理对)才能表示

这就是你之前学代理对的根源:码点空间大于单个 char 的表达能力,所以超出 BMP 的码点必须用两个 char 来编码。

🎯 为什么你需要关心码点

因为所有字符串操作的语义都应该基于码点,而不是 char:

  • "用户名最多10个字" → 10 个码点,不是 10 个 char
  • "截取前5个字符" → 前 5 个码点
  • "这个字符串有几个字" → 码点数量
  • 数据库 VARCHAR(10) → 不同数据库行为不同,有的按码点,有的按字节,必须确认

📌 终极记忆 :码点 = 字符 = 用户眼中的"一个字"。写代码时,凡是涉及"字符数"的逻辑,脑子里想的应该是码点,而不是 char。

相关推荐
特立独行的猫A17 小时前
别再用 nohup 了:让应用在后台常驻的正确姿势与 systemd 服务详解
java·后端·python
一起_java18 小时前
技术文章-基于Dify-Agent的智能问答系统设计与实现
java·spring boot·后端·agent·dify
Flynn Liang19 小时前
I/O 密集型高并发实战:Java 服务 10 维优化,从线程打满到 10 万 QPS
java·spring boot·性能优化·高并发·系统设计·虚拟线程·io密集型
吃我一窝jio20 小时前
Python与Go线程模型深度对比
java·开发语言·python
这个昵称不容易20 小时前
SpringBoot 购物推荐网站的设计与实现:120 个 Java 文件、147 个接口、13 张表,附真实运行截图
java·springboot·毕设
文丑颜不良啊21 小时前
LeetCode3041~3060题目解析
java·leetcode
文丑颜不良啊1 天前
LeetCode3101~3120题目解析
java·leetcode
Resean02231 天前
SpringMVC 6+源码分析(十一)视图渲染与异步请求(收尾篇)
java·spring·springmvc
靠沿1 天前
MySQL数据库进阶——存储过程和触发器
java·数据库·mysql
码少女1 天前
MySQL--库与表的增删改查基础
java·数据库·mysql