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（最左边的8位最高有效位，最右边的8位最低有效位）

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 and this question about the internal representation of Java strings非常相关。

Answer 1

没有。您可以创建 char 个包含您想要的任何 16 位值的实例——没有任何东西可以将它们限制为有效的 UTF-16 代码单元，也没有将它们的数组限制为有效的 UTF-16 序列.即使 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);

Unicode 标准 Chapter 3 中规定了有效 UTF-16 数据的要求（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，并通过使用 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

（如果你有字节，同样使用 CharsetDecoder。）

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

Is a Java char array always a valid UTF-16 (Big Endian) encoding?

java

arrays

unicode

char

character-encoding