java - 为什么 "Ꙭ".codePointAt(0)==205 和其他 Java 字符奇怪？

Question

(以免因为过于本地化而关闭，我选择了 Ꙭ 作为示例，但许多其他字符也会出现这种情况)

字符 Ꙭ 是\uA66C 或十进制的 42604 ( http://unicodinator.com/#A66C )。在使用 Java 的 Character 类时，我看到了一些我无法理解的非常奇怪的事情。

1) Character.isLetter('Ꙭ');//won't compile, complains 'unclosed character literal'
2) Character.isLetter("Ꙭ".charAt(0)); //returns true, which is right
3) Character.isLetter(42604);//returns false
4) Character.isLetter('\uA66C');//returns false
5) "Ꙭ".codePointAt(0);//returns 205? 205 is Í http://unicodinator.com/#00CD
6) ("Ꙭ".charAt(0)==(char)42604) //is false

除了 #2 之外的所有内容对我来说都没有意义。这个字符在 BMP 中，而不是从\uD800 到\uDFFF，所以代理不应有任何复杂性。似乎我在这里遗漏了一些关键概念......

Answer 1

看起来您的编辑器使用的字符编码与 javac(或等效编译器)使用的字符编码不同。 javac 将默认选择您机器上恰好设置为默认的编码。使用-encoding 来改变javac。

UTF-8 中的Ꙭ 将在拉丁语 1(或类似语言)中显示为 ê¬ (0xEA 0x99 0xAD)，这对于字 rune 字无效，因为它是三个字符。

至于 3 和 4，它显然是在相对较新的 Unicode 5.1.0(2008 年 3 月)中引入的，您使用的 Java 版本可能不支持它。显然 Java SE 6 使用 Unicode 4.0； Java SE 7 使用 Unicode 6.0.0。

大多数人坚持使用 US ASCII 作为源文件，这是有充分理由的。