JLS 3.1 Unicode 中的 "text" 指的是什么？

Question

JLS 的 3.1 Unicode 部分指出：

The Java programming language represents text in sequences of 16-bit code units, using the UTF-16 encoding.

“文字”指的是什么？

不知道是不是指

• 内容存储在 String 个对象中？
• 将源代码作为一个整体传递给编译器，这意味着这是对编译器的指令，它必须做的第一件事是在进一步处理之前在内部将源代码转换为 UTF-16 ？

Answer 1

该特定句子指的是 Java 程序如何表示文本数据；即 String 和相关类型。

但是，需要注意不要过度解读这一点。

1. 它的真正含义是文本数据被建模为UTF-16代码点序列。这实际上是关于 JLS 如何处理 Java 语言 与文本处理相关的那些方面；即字符串文字是如何建模的。 JLS 本身没有指定 String API。即由 javadocs 指定：一个单独的文件。实际上，JLS 仅指定（或暗示）字符串具有某些属性。

2. JavaString 对象表示 为 UTF-16 不再是字面上正确的。自 Java 9 起，String class 使用字符串值的混合表示。字符串现在 内部 使用 byte[] 而不是 char[] 表示。如果字符串仅由 LATIN-1 代码点组成，则每个代码单元用一个 byte 编码。如果字符串包含 LATIN-1 范围之外的任何代码单元，则它以 UTF-16 编码。

   简而言之，String 被 javadocs 建模 作为 both UTF-16 代码单元序列和 一系列 Unicode 代码点。内部表示比较复杂

3. Java 应用程序实际上可以选择以任何方式建模和表示文本；即任何对应用程序有意义的方式。它不必使用 String 或相关的 classes。 （显然，如果应用程序选择不使用 String 等等，有些事情会更复杂。例如，Java 的字符串文字语法只产生 String 个对象，还有许多其他APIs 需要 String 个值。）

如果你把这些注意事项放在一起，我们正在谈论的特定句子最好被视为解释性的而不是规定性的。

---

Java 编译器在内部表示（Java 源代码）文本的方式与大多数其他 Java 程序相同；即使用 String 和相关类型。 不过这是一个实现细节。只要编译器正确支持 Java 源代码中的 Unicode，它在编译时如何表示并不重要。

（“正确支持”表示符合 JLS 指定的内容。）