Java中 Character、String、StringBuilder 等類用于文本處理，它們的基礎都是 char。
字符編碼基礎
ASCII 碼
最高位設置為 0，用剩下的 7 位表示字符。這 7 位可以看作數(shù)字 0～127。
數(shù)字 32～126 表示的字符都是可打印字符，0～31 和 127 表示不可以打印的字符，這些字符一般用于控制目的，這些字符中大部分都是不常用的。數(shù)字 32～126 的含義，如圖2-1所示，除了中文之外，我們平常用的字符基本都涵蓋了，鍵盤上的字符大部分也都涵蓋了。
ISO 8859-1
最高位為1，ISO 8859-1又稱 Latin-1，它也是使用一個字節(jié)表示一個字符，其中 0～127 與 ASCII 一樣，128～255 規(guī)定了不同的含義。在128～255中，128～159 表示一些控制字符，這些字符也不常用，就不介紹了。160～255 表示一些西歐字符。
Windows-1252
ISO 8859-1 雖然號稱是標準，用于西歐國家，但它連歐元（€）這個符號都沒有，因為歐元比較晚，而標準比較早。實際中使用更為廣泛的是Windows-1252 編碼，這個編碼與 ISO 8859-1 基本是一樣的，區(qū)別只在于數(shù)字 128～159。Windows-1252 使用其中的一些數(shù)字表示可打印字符。這個編碼中加入了歐元符號以及一些其他常用的字符?；旧峡梢哉J為，ISO 8859-1 已被 Windows-1252 取代，在很多應用程序中，即使文件聲明它采用的是 ISO 8859-1編碼，解析的時候依然被當作 Windows-1252 編碼。
我國內(nèi)地的三個主要編碼 GB2312、GBK、GB18030 有時間先后關系，表示的字符數(shù)越來越多，且后面的兼容前面的，GB2312 和 GBK 都是用兩個字節(jié)表示，而 GB18030 則使用兩個或四個字節(jié)表示。
我國香港特別行政區(qū)和我國臺灣地區(qū)的主要編碼是 Big5。
如果文本里的字符都是 ASCII 碼字符，那么采用以上所說的任一編碼方式都是一樣的。
但如果有高位為 1 的字符，除了 GB2312、GBK、GB18030外，其他編碼都是不兼容的。比如，Windows-1252 和中文的各種編碼是不兼容的，即使 Big5 和 GB18030 都能表示繁體字，其表示方式也是不一樣的，而這就會出現(xiàn)所謂的亂碼，具體我們稍后介紹。
Unicode 編碼
Unicode 給世界上每個字符分配了一個編號，編號范圍為 0x000000～0x10FFFF。編號范圍在 0x0000～0xFFFF 的字符為常用字符集，即 65 536個數(shù)字之內(nèi)，稱BMP（Basic Multilingual Plane）字符。編號范圍在 0x10000～0x10FFFF 的字符叫做增補字符（supplementary character）。每個字符都有一個Unicode編號，這個編號一般寫成十六進制，在前面加U+。大部分中文的編號范圍為 U+4E00～U+9FFF，例如，“馬”的 Unicode是 U+9A6C。
Unicode 主要規(guī)定了編號，但沒有規(guī)定如何把編號映射為二進制。UTF-16 是一種編碼方式，或者叫映射方式，它將編號映射為 2 或 4 個字節(jié)，對 BMP 字符，它直接用 2 個字節(jié)表示，對于增補字符，使用 4 個字節(jié)表示，前兩個字節(jié)叫高代理項（high surrogate），范圍為 0xD800～0xDBFF，后兩個字節(jié)叫低代理項（low surrogate），范圍為 0xDC00～0xDFFF。UTF-16 定義了一個公式，可以將編號與 4 字節(jié)表示進行相互轉(zhuǎn)換。
Java 內(nèi)部采用 UTF-16 編碼，char 表示一個字符，但只能表示 BMP 中的字符，對于增補字符，需要使用兩個 char 表示，一個表示高代理項，一個表示低代理項。
那編號怎么對應到二進制表示呢？有多種方案，主要有UTF-32、UTF-16和UTF-8。
UTF-32
這個最簡單，就是字符編號的整數(shù)二進制形式，4 個字節(jié)。但有個細節(jié)，就是字節(jié)的排列順序，如果第一個字節(jié)是整數(shù)二進制中的最高位，最后一個字節(jié)是整數(shù)二進制中的最低位，那這種字節(jié)序就叫“大端”（Big Endian, BE），否則，就叫“小端”（Little Endian, LE）。對應的編碼方式分別是 UTF-32BE 和 UTF-32LE。可以看出，每個字符都用 4 個字節(jié)表示，非常浪費空間，實際采用的也比較少。UTF-16
UTF-16使用變長字節(jié)表示：
1）對于編號在U+0000～U+FFFF的字符（常用字符集），直接用兩個字節(jié)表示。
2）字符值在 U+10000～U+10FFFF 的字符（也叫做增補字符集），需要用4個字節(jié)表示。前兩個字節(jié)叫高代理項，范圍是 U+D800～U+DBFF；后兩個字節(jié)叫低代理項，范圍是U+DC00～U+DFFF。數(shù)字編號和這個二進制表示之間有一個轉(zhuǎn)換算法，這里就不介紹了。
區(qū)分是兩個字節(jié)還是 4 個字節(jié)表示一個字符就看前兩個字節(jié)的編號范圍，如果是 U+D800～U+DBFF，就是4個字節(jié)，否則就是兩個字節(jié)。
UTF-16 也有和 UTF-32 一樣的字節(jié)序問題，如果高位存放在前面就叫大端（BE），編碼就叫 UTF-16BE，否則就叫小端，編碼就叫UTF-16LE。
UTF-16 常用于系統(tǒng)內(nèi)部編碼，UTF-16 比 UTF-32 節(jié)省了很多空間，但是任何一個字符都至少需要兩個字節(jié)表示，對于美國和西歐國家而言，還是很浪費的。
- UTF-8
UTF-8 使用變長字節(jié)表示，每個字符使用的字節(jié)個數(shù)與其Unicode編號的大小有關，編號小的使用的字節(jié)就少，編號大的使用的字節(jié)就多，使用的字節(jié)個數(shù)為1～4不等。
小于128的，編碼與ASCII碼一樣，最高位為0。其他編號的第一個字節(jié)有特殊含義，最高位有幾個連續(xù)的1就表示用幾個字節(jié)表示，而其他字節(jié)都以10開頭。
char
char 看上去是很簡單的，char 用于表示一個字符，這個字符可以是中文字符，也可以是英文字符。賦值時把常量字符用單引號括起來。
在 Java 內(nèi)部進行字符處理時，采用的都是 Unicode，具體編碼格式是UTF-16BE。簡單回顧一下，UTF-16 使用 2 個或 4 個字節(jié)表示一個字符，Unicode 編號范圍在 65536 以內(nèi)的占兩個字節(jié)，超出范圍的占4個字節(jié)，BE 就是先輸出高位字節(jié)，再輸出低位字節(jié)，這與整數(shù)的內(nèi)存表示是一致的。
char 本質(zhì)上是一個固定占用兩個字節(jié)的無符號正整數(shù)，這個正整數(shù)對應于 Unicode 編號，用于表示那個 Unicode 編號對應的字符。由于固定占用兩個字節(jié)，char 只能表示 Unicode 編號在 65 536 以內(nèi)的字符，而不能表示超出范圍的字符。那超出范圍的字符怎么表示呢？使用兩個 char。
char 的賦值形式：
// 賦值的時候是按當前的編碼解讀方式，將這個字符形式對應的 Unicode 編號值賦給變量
char c = '蕾';
System.out.println(c);
// 賦值方式是按 Unicode 字符形式
c = '\u857e';
System.out.println(c);
// Unicode 編號的十六進制表示
c = 0x857e;
System.out.println(c);
// Unicode 編號的十進制表示
c = 34174;
System.out.println(c);
// Unicode 編號的二進制表示
c = 0b10000101_01111110;
System.out.println(c);
char 的加減運算就是按其 Unicode 編號進行運算，一般對字符做加減運算沒什么意義，但 ASCII 碼字符是有意義的。比如大小寫轉(zhuǎn)換，大寫A～Z的編號是 65～90，小寫 a～z 的編號是 97～122，正好相差 32，所以大寫轉(zhuǎn)小寫只需加 32，而小寫轉(zhuǎn)大寫只需減 32。加減運算的另一個應用是加密和解密，將字符進行某種可逆的數(shù)學運算可以做加解密。
java.lang.String 類
Java 中的字符串是由雙引號括起來的多個字符，下面示例都是表示字符串常量：
String str = "Hello World"
String str = "\u0048\u0065\u006c\u006c\u006f\u0020\u0057\u006f\u0072\u006c\u0064"
String str = "世界你好"
String str = "A"
String 常用的構造方法
String()：使用空字符串創(chuàng)建并初始化一個新的 String 對象。
String(String original)：使用另外一個字符串創(chuàng)建并初始化一個新的 String 對象。
String(StringBuffer buffer)：使用可變字符串對象（StringBuffer）創(chuàng)建并初始化一個新的 String 對象。
String(StringBuilder builder)：使用可變字符串對象（StringBuilder）創(chuàng)建并初始化一個新的 String 對象。
String(byte[] bytes)：使用平臺的默認字符集解碼指定的 byte 數(shù)組，通過 byte 數(shù)組創(chuàng)建并初始化一個新的 String 對象。
String(char[] value)：通過字符數(shù)組創(chuàng)建并初始化一個新的 String 對象。
String(char[] value, int offset, int count)：通過字符數(shù)組的子數(shù)組創(chuàng)建并初始化一個新的 String 對象；offset參數(shù)是子數(shù)組第一個字符的索引，count 參數(shù)指定子數(shù)組的長度。
關于 String的實現(xiàn)原理，String 類內(nèi)部用一個字符數(shù)組表示字符串。在Java 9對String的實現(xiàn)進行了優(yōu)化，它的內(nèi)部不是 char 數(shù)組，而是 byte 數(shù)組，如果字符都是 ASCII 字符，它就可以使用一個字節(jié)表示一個字符，而不用 UTF-16BE 編碼，節(jié)省內(nèi)存。
String 的查找
在給定的字符串中查找字符或字符串是比較常見的操作。在 String 類中提供了 indexOf 和 lastIndexOf 方法用于查找字符或字符串，返回值是查找的字符或字符串所在的位置，-1 表示沒有找到。這兩個方法有多個重載版本：
int indexOf(int ch)：從前往后搜索字符 ch，返回第一次找到字符 ch 所在處的索引。
int indexOf(int ch, int fromIndex)：從指定的索引開始從前往后搜索字符 ch，返回第一次找到字符ch所在處的索引。
int indexOf(String str)：從前往后搜索字符串 str，返回第一次找到字符串所在處的索引。
int indexOf(String str, int fromIndex)：從指定的索引開始從前往后搜索字符串 str，返回第一次找到字符串所在處的索引。
int lastIndexOf(int ch)：從后往前搜索字符 ch，返回第一次找到字符 ch 所在處的索引。
int lastIndexOf(int ch, int fromIndex)：從指定的索引開始從后往前搜索字符ch，返回第一次找到字符ch所在處的索引。
int lastIndexOf(String str)：從后往前搜索字符串 str，返回第一次找到字符串所在處的索引。
int lastIndexOf(String str, int fromIndex)：從指定的索引開始從后往前搜索字符串 str，返回第一次找到字符串所在處的索引。
String 的比較
- 比較相等
String 提供的比較字符串相等的方法：
-
boolean equals(Object anObject)：比較兩個字符串中內(nèi)容是否相等。 -
boolean equalsIgnoreCase(String anotherString)：類似 equals 方法，只是忽略大小寫。
- 比較大小
有時不僅需要知道是否相等，還要知道大小，String 提供的比較大小的方法：
- int compareTo(String anotherString)：按字典順序比較兩個字符串(字典中順序事實上就它的 Unicode 編碼)。如果參數(shù)字符串等于此字符串，則返回值 0；如果此字符串小于字符串參數(shù)，則返回一個小于 0 的值；如果此字符串大于字符串參數(shù)，則返回一個大于 0 的值。
- int compareToIgnoreCase(String str)：類似 compareTo，只是忽略大小寫。
- 比較前綴和后綴
- boolean endsWith(String suffix)：測試此字符串是否以指定的后綴結束。
- boolean startsWith(String prefix)：測試此字符串是否以指定的前綴開始。
String 的字符串截取
String substring(int beginIndex)：從指定索引 beginIndex 開始截取一直到字符串結束的子字符串。
String substring(int beginIndex, int endIndex)：從指定索引 beginIndex 開始截取直到索引 endIndex - 1 處的字符，注意包括索引為 beginIndex 處的字符，但不包括索引為endIndex處的字符。
另外，String 還提供了字符串分割方法split(" ")方法，參數(shù)是分割字符串，返回值String[]。
trim() 返回一個前后不含任何空格的調(diào)用字符串的副本
String 的+和+=運算符
Java中，String 可以直接使用 + 和 += 運算符，這是 Java 編譯器提供的支持，背后，Java 編譯器一般會生成 StringBuilder, + 和 += 操作會轉(zhuǎn)換為 append。
對于簡單的情況，可以可以直接使用 String 的 + 和 +=，對于復雜的情況，尤其是有循環(huán)的時候，應該直接使用 StringBuilder。
可變字符串 StringBuffer 和 StringBuilder
Java 提供了兩個可變字符串類 StringBuffer 和 StringBuilder，中文翻譯為“字符串緩沖區(qū)”。
StringBuffer 是線程安全的，它的方法是支持線程同步，線程同步會操作串行順序執(zhí)行，在單線程環(huán)境下會影響效率。StringBuilder 是 StringBuffer 單線程版本，Java 5之后發(fā)布的，它不是線程安全的，但它的執(zhí)行效率很高。
StringBuffer 和 StringBuilder 具有完全相同的 API，即構造方法和方法等內(nèi)容一樣。StringBuilder 的中構造方法有4個：
StringBuilder()：創(chuàng)建字符串內(nèi)容是空的 StringBuilder 對象，初始容量默認為 16個字符。
StringBuilder(CharSequence seq)：指定 CharSequence 字符串創(chuàng)建StringBuilder 對象。CharSequence 接口類型，它的實現(xiàn)類有：String、StringBuffer 和 StringBuilder 等，所以參數(shù) seq 可以是String、StringBuffer 和 StringBuilder 等類型。
StringBuilder(int capacity)：創(chuàng)建字符串內(nèi)容是空的 StringBuilder 對象，初始容量由參數(shù)capacity指定的。
StringBuilder(String str)：指定String字符串創(chuàng)建 StringBuilder 對象。
StringBuffer 的追加、插入、刪除和替換
- 字符串追加方法是 append，append 有很多重載方法，可以追加任何類型數(shù)據(jù)。
- StringBuilder insert(int offset, String str)：在字符串緩沖區(qū)中索引為 offset 的字符位置之前插入str，insert 有很多重載方法，可以插入任何類型數(shù)據(jù)。
- delete(int start, int end)：在字符串緩沖區(qū)中刪除子字符串，要刪除的子字符串從指定索引 start 開始直到索引 end - 1 處的字符。start 和 end 兩個參數(shù)與 substring(int beginIndex, int endIndex)方法中的兩個參數(shù)含義一樣。
- replace(int start, int end, String str) 字符串緩沖區(qū)中用 str 替換子字符串，子字符串從指定索引 start 開始直到索引 end - 1 處的字符。start 和 end 同 delete(int start, int end)方法。
編碼轉(zhuǎn)換
String內(nèi)部是按 UTF-16BE 處理字符的，對 BMP 字符，使用一個 char，兩個字節(jié)，對于增補字符，使用兩個 char，四個字節(jié)。不同編碼可能用于不同的字符集，使用不同的字節(jié)數(shù)目，以及不同的二進制表示。如何處理這些不同的編碼呢？這些編碼與 Java 內(nèi)部表示之間如何相互轉(zhuǎn)換呢？
Java 使用 Charset 類表示各種編碼，它有兩個常用靜態(tài)方法：Charset.defaultCharset() 和 Charset.forName(String charsetName)。
String 類提供了如下方法，返回字符串按給定編碼的字節(jié)表示：getByte()，getByte(String charsetName)，getByte(Charset charset)。
字符串亂碼問題
亂碼有兩種常見原因：一種比較簡單，就是簡單的解析錯誤；另外一種比較復雜，在錯誤解析的基礎上進行了編碼轉(zhuǎn)換。
簡單的解析導致的亂碼，之所以看起來是亂碼，是因為看待或者說解析數(shù)據(jù)的方式錯了。只要使用正確的編碼方式進行解讀就可以糾正了。
如果怎么改變查看方式都不對，那很有可能就不僅僅是解析二進制的方式不對，而是文本在錯誤解析的基礎上還進行了編碼轉(zhuǎn)換。恢復的基本思路是嘗試進行逆向操作，假定按一種編碼轉(zhuǎn)換方式獲取亂碼的二進制格式，然后再假定一種編碼解讀方式解讀這個二進制，查看其看上去的形式，這要嘗試多種編碼，如果能找到看著正常的字符形式，應該就可以恢復。
