java - 为什么 Java 生态系统在其整个软件堆栈中使用不同的字符编码？

Question

例如，类文件使用 CESU-8(有时也称为 MUTF-8)，但 Java 内部首先使用 UCS-2，现在使用 UTF-16。关于有效 Java 源文件的规范说，一个最小的符合标准的 Java 编译器只需要接受 ASCII 字符。

做出这些选择的原因是什么？在整个 Java 生态系统中使用相同的编码不是更有意义吗？

Answer 1

源文件的 ASCII 是因为在当时期望人们拥有完全支持 Unicode 的文本编辑器被认为是不合理的。此后情况有所改善，但仍不完美。 Jave 中的整个 \uXXXX 本质上是 Java 中 C 的三字母组合。 (创建 C 时，某些键盘没有花括号，因此您必须使用三字母!)

在创建 Java 时，类文件格式使用 UTF-8，运行时使用 UCS-2。 Unicode 的代码点少于 64k，因此 16 位就足够了。后来，当额外的“平面”被添加到 Unicode 时，UCS-2 被(几乎)兼容的 UTF-16 取代，UTF-8 被 CESU-8 取代(因此“兼容性编码方案......”)。

在类文件格式中，他们想使用 UTF-8 来节省空间。类文件格式(包括 JVM 指令集)的设计非常注重紧凑性。

在运行时，他们想使用 UCS-2，因为他们认为节省空间不如避免处理可变宽度字符的需要重要。不幸的是，这种事与愿违，现在它是 UTF-16，因为一个代码点现在可以采用多个“字符”，更糟糕的是，“char”数据类型现在有点命名错误(它不再对应于一个字符，一般来说，但是相反对应于 UTF-16 代码单元)。