我们可以在ASCII和Unicode之间切换

Question

我遇到了“char变量是Unicode格式，但是也可以很好地采用/映射到ASCII”。有什么需要提及的？当然，ASCII是1个字节，Unicode是2.而Unicode本身包含ASCII码（默认 - 它是标准）。那么是否有一些语言支持UNICODE而不支持ASCII？

此外，字符格式（Unicode/ASCII）由我们使用的平台决定，对吧？ （UNIX，Linux，Windows等）。所以假设我的平台使用ASCII，是不可能切换到Unicode或反之亦然？

Answer 1

Java在内部使用Unicode。总是。实际上，它大部分时间都使用UTF-16，但现在这样的细节太多了。

它可以不是在内部使用ASCII（例如String）。您可以可以表示任何可以用ASCII表示的字符串，所以这不应该是一个问题。

只有平台进入的地方是Java在您没有指定时必须选择编码的地方。例如，创建FileWriter以将String值写入字符串时：此时Java需要使用编码来指定如何将特定字符映射到字节。如果您不指定，则使用平台的默认编码。那个默认的编码是几乎从来没有ASCII。大多数Linux平台使用UTF-8，Windows 通常使用一些ISO-8859- *派生（或其他文化特定的8位编码），但是没有当前的操作系统使用ASCII（仅仅因为ASCII不能代表很多重要的字符）。

事实上，现在纯ASCII几乎是不相干的：没有人使用它。 ASCII仅为作为大多数8位编码（包括UTF-8）的映射的常见子集很重要：较低的128个Unicode码位在许多编码中以1：1映射到数字值0-127。但纯粹的ASCII（其中值128-255是未定义）不再处于活动使用状态。

Answer 2

Unicode是ASCII的严格超集（对于这个问题拉丁语1），至少关于字符集合。与字节级的实际编码不太相关。所以不能有支持Unicode但不支持ASCII的语言/环境。上面这句话的意思是，如果你只处理ASCII文本，它就可以正常工作，因为如前所述，Unicode是ASCII的超集。

此外，为了澄清一些你的误解：

1. “ASCII为1个字节和Unicode是2” - ASCII是7位代码，使用1个字节为每个字符。字节和字符因此在ASCII中是相同的（这是不幸的，因为理想上字节只是数据和文本是字符，但我离题了）。 Unicode是一个21位代码，它定义了代码点（数字）到字符的映射。如何表示这些数字取决于编码。 UTF-32是一种固定宽度编码，其中每个Unicode代码点表示为32位代码单元。 UTF-16是Java使用的，每个代码点使用两个或四个字节（一个或两个代码单元）。但是，这是每代码单元的16位，而不是每个代码点或实际字符（在Unicode意义上）。然后是使用8位代码单元的UTF-8，并将代码点表示为一个，两个，三个或四个代码单元。

2. 对于Java而言，至少该平台在它是否只支持ASCII或Unicode方面没有任何说法。 Java总是使用Unicode，并且代表UTF-16代码单元（可以是半字符），而不是代码点（这将是字符），因此有点误导性地命名。您可能指的是Unix在几个环境变量中将语言，语言环境和首选系统编码相结合的传统。也就是说，您可以拥有一个系统，在该系统中，首选编码指定的遗留编码和盲目使用的应用程序可能存在问题。这并不意味着您无法在此类系统上构建支持Unicode的应用程序。毕竟，iconv必须以某种方式工作。