Question

假设我将Java字符数组（char[]）实例编码为bytes：

为每个字符使用两个字节
使用大端编码（在最左边的最左边存储最高8位，在最右边的字节存储最不重要的8位）

这会始终创建有效的UTF-16BE编码吗？如果不是，哪些代码点将导致无效编码？

此问题与this question about the Java char type和this question about the internal representation of Java strings非常相关。

Answer 1

没有。您可以创建包含任何所需16位值的char实例 - 没有任何东西可以将它们限制为有效的UTF-16代码单元，也不会将它们的数组限制为有效的UTF-16序列。即使String也不要求其数据有效UTF-16：

char data[] = {'\uD800', 'b', 'c'};  // Unpaired lead surrogate
String str = new String(data);

有效UTF-16数据的要求在Unicode标准的Chapter 3中列出（基本上，所有内容都必须是Unicode标量值，并且所有代理必须正确配对）。您可以测试char数组是否是有效的UTF-16序列，并使用CharsetEncoder将其转换为UTF-16BE（或LE）字节序列：

CharsetEncoder encoder = Charset.forName("UTF-16BE").newEncoder();
ByteBuffer bytes = encoder.encode(CharBuffer.wrap(data)); // throws MalformedInputException

（如果你有字节的话，同样使用CharsetDecoder。）

Java char数组是否始终是有效的UTF-16（Big Endian）编码？

1 个答案: