char 的真正含义

char 的取值范围

固定占用两个字节的无符号正整数
Unicode 编码, UTF-16BE 编码格式
只能表示 Unicode 编号在 65536 以内的字符，超出范围的字符需要两个 char 表示

char 的赋值方式

多种赋值方式, 本质都是将 Unicode 编号赋给字符

//以下四种赋值本质都是将Unicode 27426赋值给字符c
char c = '欢'
char c = 27426
char c = 0x6B22 
char c = '\u6B22'

char 的运算

本质是 Unicode 编号的运算
可以进行整数运算, 结果需要强制类型转换（默认是 int 4 字节，向下需要强制转换）
加减运算:
- ASCII 码字符有意义, 可用于大小写转换（+32：大写转小写）
- 可用于简单的加密解密
位运算:
- 与整数的位运算类似, 无符号右移和有符号右移结果相同

char 的二进制表示

可以使用 Integer.toBinaryString(c) 查看 char 的二进制表示

char 如何表示 65536 以外的字符

这个“😂”表情就是一个典型的增补平面字符。

它的 Unicode 编号是多少？
- “😂”的 Unicode 码点是 U+1F602。
- 1F602 这个十六进制数明显大于 FFFF，所以一个 16 位的 char 变量是无论如何也存不下的。
解决方案：UTF-16 的代理对 (Surrogate Pair)
- 为了解决这个问题，UTF-16 编码（Java/C# 内部使用的编码）采用了一种名为“代理对”的巧妙机制。它的工作原理如下：
  - 腾出空间：UTF-16 从基本平面（BMP）中预留出一段范围 U+D800 到 U+DFFF，共 2048 个码点。规定任何单个字符都不能使用这个范围内的编号。这段范围被专门用作“代理”。
  - 拆分字符：当遇到像 U+1F602 这样的增补平面字符时，UTF-16 会把它拆分成两个代理 char 来表示：
    1. 一个高代理项 (High Surrogate)：范围在 U+D800 到 U+DBFF 之间。
    2. 一个低代理项 (Low Surrogate)：范围在 U+DC00 到 U+DFFF 之间。
- 当程序读到一个高代理项时，它就知道这并不是一个独立的字符，而是“半个”增补字符，它会继续向后读取一个低代理项，然后将两者组合解码，还原出原始的字符。
计算“😂” (U+1F602) 的代理对

有一个固定的公式可以将任何一个增补平面的码点转换为代理对：

a. 减去偏移量 0x10000： 0x1F602 - 0x10000 = 0xF602
b. 计算高代理项 (High Surrogate) * 取上一步结果的高 10 位：0xF602 右移 10 位是 0x3D (二进制 00111101)。 * 加上高代理项的起始地址 0xD800。 * 0xD800 + 0x3D = 0xD83D * 所以，高代理项是 \uD83D。
c. 计算低代理项 (Low Surrogate) * 取上一步结果的低 10 位：0xF602 和 0x3FF (二进制 1111111111) 做“与”运算，得到 0x202。 * 加上低代理项的起始地址 0xDC00。 * 0xDC00 + 0x202 = 0xDE02 * 所以，低代理项是 \uDE02。

结论：“😂” (U+1F602) 这个字符，最终被用两个 char——\uD83D 和 \uDE02——来表示。

在代码中如何表示？

以下是 Java 代码示例：

public class Main {
    public static void main(String[] args) {
        // 方法1：直接使用两个char来构建字符串
        char highSurrogate = '\uD83D';
        char lowSurrogate = '\uDE02';
        String emoji1 = new String(new char[] {highSurrogate, lowSurrogate});
        System.out.println("方法1构建的表情: " + emoji1);

        // 方法2：现代编程语言可以直接在字符串字面量中使用Emoji
        String emoji2 = "😂";
        System.out.println("方法2直接定义的表情: " + emoji2);

        // 验证：一个"😂"字符串的长度是多少？
        // 因为它由两个char组成，所以长度是2！
        System.out.println("“😂”字符串的长度是: " + emoji2.length()); // 输出: 2

        // 验证：字符串中的两个char分别是什么？
        System.out.printf("第一个char是: %s (%#X)\n", emoji2.charAt(0), (int)emoji2.charAt(0)); // 输出: ? (D83D)
        System.out.printf("第二个char是: %s (%#X)\n", emoji2.charAt(1), (int)emoji2.charAt(1)); // 输出: ? (DE02)

        // 如何正确获取字符的真实数量（码点数量）？
        System.out.println("“😂”字符串的码点数量是: " + emoji2.codePointCount(0, emoji2.length())); // 输出: 1
    }
}

代码解释与总结：

你可以手动用计算出的高、低代理项 char 来合成一个字符串。
更常见的是，你直接把 “😂” 写在代码里，编译器和运行环境会自动把它处理成一个包含两个 char (\uD83D 和 \uDE02) 的字符串。
最关键的验证：当我们调用 emoji2.length() 时，返回的是 2 而不是 1。这充分证明了在语言层面，这个我们肉眼看来的“一个字符”，实际上是由两个 char 组成的。
这也解释了为什么处理包含复杂字符（如 Emoji）的字符串时，不能简单地用 length() 来计算字符个数，而应该使用 codePointCount() 这样的方法，它能正确地识别代理对并计算出真实的字符（码点）数量。