UTF-16编码错误的字节

Question

我有一个字符''Unicode值是U + 1F62D二进制等效值为11111011000101101。现在我想将此字符转换为字节数组。我的脚步

1）由于二进制表示形式大于2个字节，因此我使用4个字节

XXXXXXXX XXXXXXX1 11110110 00101101

2）现在我将所有的“ X”替换为“ 0”

00000000 00000001 11110110 00101101

3）十进制等值

00000000（0）00000001（1）11110110（-10）00101101（45）

这是我的代码

@Test
    public void testUtf16With4Bytes() throws Exception {
        assertThat(
                new String(
                        new byte[]{0,1,-10,45},
                        StandardCharsets.UTF_16BE
                ),
                is("")
        );
    }

这是输出

ava.lang.AssertionError: 
Expected: is ""
     but: was "?"

我错过了什么 ？

Answer 1

您会错过一些UTF字符存储为代理对的信息：

在UTF-16中，范围为U + 0000-U + D7FF和U + E000-U + FFFD的字符存储为单个16位单元。非BMP字符（范围U + 10000-U + 10FFFF）存储为“代理对”，两个16位单位：高代理（在U + D800-U + DBFF范围内），然后是低代理（在U范围内） + DC00-U + DFFF）。一个单独的代理字符在UTF-16中是无效的，代理字符总是成对写入（从高到低）。

字符，U+1F62D所以它属于U+10000—U+10FFFF范围内。它与代理对表示U+D83D U+DE2D，因为byte[]这将是[-40, 61, -34, 45]。