Java字符数组是否始终是有效的UTF-16（大端）编码？

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（最左边存储最高有效8位，最右边存储最低有效8位）

这是否总是创建有效的UTF-16BE编码？如果不是，哪些代码点将导致无效编码

---

---

这个问题与and非常相关。

否。您可以创建包含您想要的任何16位值的

char

实例——没有任何东西可以将它们约束为有效的UTF-16代码单元，也没有任何东西可以将它们的数组约束为有效的UTF-16序列。即使是

字符串

也不要求其数据为有效的UTF-16：

char data[] = {'\uD800', 'b', 'c'};  // Unpaired lead surrogate
String str = new String(data);

对有效UTF-16数据的要求在Unicode标准的定义中有规定（基本上，所有数据都必须是Unicode标量值，并且所有代理必须正确配对）。您可以使用

CharsetEncoder

测试字符数组是否为有效的UTF-16序列，并将其转换为UTF-16BE（或LE）字节序列：

CharsetEncoder encoder = Charset.forName("UTF-16BE").newEncoder();
ByteBuffer bytes = encoder.encode(CharBuffer.wrap(data)); // throws MalformedInputException

（同样，如果您有字节，则使用

CharsetDecoder

）

如果

String

仅包含有效的Unicode，则

tocharray（）

必然是有效的UTF-16BE--但是，正如我所提到的，

String

不会验证其内容，因此由您检查这一点。