如何用Unicode编写程序？

Question

来自Java规范SE 7版

§3.1 Unicode

程序是使用Unicode字符集编写的。

§3.2词汇翻译

使用以下三个词法翻译步骤，将原始Unicode字符流转换为一系列标记。。。

我很困惑，因为我用我的本机字符编码（Windows-1252）编写我的源代码，规范提到（？）都从原始Unicode字符流开始，然后执行词法翻译（包括Unicode转义转换）。

他们提到Unicode转义可以用来包含任何只使用ASCII字符的Unicode字符；如果执行了先前的转换，我认为它们指的是Unicode字符集子集中的ASCII字符，这是有意义的。

从用于写入源文件的编码到Unicode是否有先前的转换？

一些相关信息，但我认为这更像是运行时的文本处理，而不是编译过程：

转换非Unicode文本

Answer 1

“Unicode”不是编码，它只是字符和相关数字（或“代码点”）的列表，但与传统字符集不同，数字不是Unicode字符的磁盘表示形式。要编码或解码Unicode字符，您需要一个单独的编码，它从字节序列映射到Unicode数字，从而映射到Unicode字符。

有些编码，如UTF-8，是为编码所有可能的Unicode码位而设计的。其他的，像Windows CP 1252，只能表示Unicode字符的一个小的子集。但是任何有效的Windows CP 1252数据仍然可以被解码成有效的Unicode码位序列。

所以，是的，从磁盘表示转换为虚拟Unicode字符流。

Answer 2

基本上，规范说的是你只能在你的源文件中使用Unicode字符。它没有定义这些字符实际上是如何被编码成字节的，这取决于您和您所工作的平台。

编译器内部发生的基本情况是，源文件以字节流的形式从磁盘中读取，然后这些字节被转换成Java的Unicode字符的内部表示。它将源文件的原始字节转换为Unicode字符的方式基于传递给< code>javac的< code>-encoding选项。如果没有设置< code>-encoding选项，它将使用您平台的默认编码。

现在还需要注意的是，html" target="_blank">编译器将源代码字节转换为字符后，会执行另一个步骤，将字符文字（例如\u00a5123）转换为适当的单个Unicode字符。这实际上是您在问题中引用的第3.2节中提到的三个步骤中的第一个步骤。这样，就可以只使用普通ASCII字符来表示源代码中的任何Unicode字符。