【转载】计算机程序的思维逻辑 (8) - char的真正含义

看似简单的char

通过前两节，我们应该对字符和文本的编码和乱码有了一个清晰的认识，但前两节都是与编程语言无关的，我们还是不知道怎么在程序中处理字符和文本。

本节讨论在Java中进行字符处理的基础 - char，Java中还有Character, String, StringBuffer, StringBuilder等类进行文本处理，他们的基础都是char，我们在后续文章中介绍这些类。

char看上去是很简单的，正如我们在第2节所说，char用于表示一个字符，这个字符可以是中文字符，也可以是英文字符。赋值时把常量字符用单引号括起来，例如：

char c = 'A';
char z = '中';

但我们在第3节抛出了一个问题，为什么字符类型也可以进行算术运算和比较？char的本质到底是什么呢？

char的本质

在 Java内部进行字符处理时，采用的都是Unicode，具体编码格式是UTF-16BE。简单回顾一下，UTF-16使用两个或四个字节表示一个字 符，Unicode编号范围在65536以内的占两个字节，超出范围的占四个字节，BE (Big Endian)就是先输出高位字节，再输出低位字节，这与整数的内存表示是一致的。

char本质上是一个固定占用两个字节的无符号正整数，这个正整数对应于Unicode编号，用于表示那个Unicode编号对应的字符。

由于固定占用两个字节，char只能表示Unicode编号在65536以内的字符，而不能表示超出范围的字符。

那超出范围的字符怎么表示呢？使用两个char。类String有一些相关的方法，后续文章介绍。

在这个认识的基础上，我们再来看下char的一些行为，就比较容易理解了。

char的赋值

char有多种赋值方式：

1. char c = 'A'
2. char c = '马'
3. char c = 39532
4. char c = 0x9a6c
5. char c = '\u9a6c'

第1种赋值方式是最常见的，将一个能用Ascii码表示的字符赋给一个字符变量。

第 2种也很常见，但这里是个中文字符，需要注意的是，直接写字符常量的时候应该注意文件的编码，比如说，GBK编码的代码文件按UTF-8打开，字符会变成乱码，赋值的时候是按当前的编码解读方式，将这个字符形式对应的Unicode编号值赋给变量，'马'对应的Unicode编号是39532，所以第2种赋值和第3种是一样的。

第3种是直接将十进制的常量赋给字符，第4种是将16进制常量赋给字符，第5种是按Unicode字符形式。

以上，2，3，4，5都是一样的，本质都是将Unicode编号39532赋给了字符。

char的运算

由于char本质上是一个整数，所以可以进行整数可以进行的一些运算，在进行运算时会被看做int，但由于char占两个字节，运算结果不能直接赋值给char类型，需要进行强制类型转换，这和byte, short参与整数运算是类似的。

char类型的比较就是其Unicode编号的比较。

char 的加减运算就是按其Unicode编号进行运算，一般对字符做加减运算没什么意义，但Ascii码字符是有意义的。比如大小写转换，大写A-Z的编号是 65-90，小写a-z的编号是97-122，正好相差32，所以大写转小写只需加32，而小写转大写只需减32。加减运算的另一个应用是加密和解密，将 字符进行某种可逆的数学运算可以做加解密。

char的位运算可以看做就是对应整数的位运算，只是它是无符号数，也就是说，有符号右移>>和无符号右移>>>的结果是一样的。

char的二进制

既然char本质上是整数，查看char的二进制表示，同样可以用Integer的方法，如下所示：

char c = '马';
System.out.println(Integer.toBinaryString(c));

输出为 1001101001101100

小结

本节介绍了char的本质，它固定占用两个字节，实际上是一个整数，表示字符的Unicode编号，不在65536编号内的字符一个char表示不了，需要用两个char。

我们回顾一下以前所有的章节，整理一下思路。

我们说，所谓程序，主要就是告诉计算机要对什么数据做什么操作。第1节我们介绍了如何通过变量定义数据，第2节介绍了数据的第一个操作 - 赋值，第3节介绍了数据的基本运算，第4节到本节介绍了数据的二进制表示及位运算。

至此，我们可以定义基本数据类型，以及对基本数据进行基本运算了，但实际操作中不是只有运算本身的，我们需要有表达类似"如果"/"那么"逻辑的机制，即根据具体情况选择执行的机制，也就是流程控制。