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

Question

假设我将 Java 字符数组 (char[]) 实例编码为字节:

• 每个字符使用两个字节
• 使用big endian编码(最高有效8位在最左边，最低有效8位在最右边)

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

---

这个问题与this question about the Java char type密切相关和 this question about the internal representation of Java strings .

Answer 1

没有。您可以创建包含您想要的任何 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。甚至 String 也不要求其数据是有效的 UTF-16:

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

Chapter 3 中规定了对有效 UTF-16 数据的要求Unicode 标准(基本上，所有内容都必须是 Unicode 标量值，并且所有代理项都必须正确配对)。您可以测试 char 数组是否为有效的 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

(如果您有字节，则类似地使用 CharsetDecoder。)