上回说到《编码字符集和字符集编码傻傻分不清楚，看完这篇文章你就懂了》，留下了上上回的待解决的问题，前文总结了两句很重要的话：
编码字符集里的每一个字符规定的顺序，叫码点( code point )，而这个字符在编码字符集里的序号，在给定的编码方式下的二进制序列叫码元( code unit )。
今天，我们正式进入 Java 的编码世界，在 Java 编码体系中要区分清楚内码和外码：
1）内码是程序内部使用的字符编码，特别是某种语言实现其 char 或 String 类型在内存里用的内部编码；
2）外码是程序与外部交互时外部使用的字符编码。“外部”相对“内部”而言；不是 char 或 String 在内存里用的内部编码的地方都可以认为是“外部”。例如，外部可以是序列化之后的 char 或 String，或者外部的文件、命令行参数之类的。
Java 内码
Java 语言设计之初就认识到统一字符集( Unicode )的重要性，积极拥抱了问世不久的 Unicode 标准。Java 语言规定：Java 的 char 类型是 UTF-16 的 code unit ，也就是一定是16位（2字节）；然后字符串是 UTF-16 code unit 的序列；这样，Java规定了字符的内码要用UTF-16编码。
在 UTF-16 设计之初，采用的是定长编码，尴尬的是，随着更多字符的引入，尤其是汉语、韩语和日文中的表意文字的引入，使得 Unicode 远远超出 16 比特编码的范围。当单元固定长度 16 位的UTF-16 到达容量上限不能支持更多的 Unicode 字符的时候，Unicode 协会放弃了定长 UTF-16，取而代之的是 16 位的变长编码 UTF-16。
这样 UTF-16 就变成了坑爹的变长编码（也就是说一个完整的“字符”是一个码点，一个码点可以对应 1 到 2 个码元，一个码元是16位）。
Java 语言深受其苦，但也只能跟进，引入码点和码元两个概念，为了实现 UTF-16 的变长编码语义，Java 规定 char 仍然只能是一个 16 位的码元，也就是说 Java 的char类型不一定能表示一个UTF-16的“字符”， 只有只需1个码元的码点才可以完整的存在 char 里。
String 作为 char 的序列，可以包含由两个码元组成的 “surrogate pair” 来表示需要 2 个码元表示的 UTF-16 码点，为此 Java 的标准库新加了一套用于访问码点的 API，而这套 API 就表现出了 UTF-16 的变长特性。
为什么那么关注码点和码元？
在处理字符串时使用 length 和 charAt 等方法时返回的是编码后的码元数量而不是认为的字符个数，在一个字符串内如果有使用多个码元表示的字符，在使用以上的方法时会出现检索错误，比如：
length 方法返回给定字符串采用 UTF-16 编码表示时所需要的码元的数量，charAt(n) 方法，将返回位置n的代码代码单元，n 介于 0~greeting.length() -1之间
注意，代理(辅助)字符需要 2 个码元才可以表示，所以通过 charAt 获得的可能不是某个字符，而是辅助字符的一个码元。为了避免这个问题，不要使用 char 类型，它太底层了。
举个简单的例子，字符串反转，我们经常会写出下面的代码，如果遇到特殊字符，比如需要两个码元来表示的字符，就会出错：
Java 外码
外码是程序与外部交互时外部使用的字符编码，String.getBytes() 是一个用于将 String 的内码转换为指定的外码的方法。无参数版使用平台的默认编码作为外码，有参数版使用参数指定的编码作为外码；将 String 的内容用外码编码好，结果放在一个新 byte[] 返回。
new String("字").getBytes().length 返回的是 3 ，这说明缺省编码是 UTF-8。如果你显式地传入一个参数，比如这样 new String("字").getBytes("GBK").length，那么返回就是 2。
你可以在启动 JVM 时设置一个缺省编码，比如这样：java -Dfile.encoding = GBK，这时你再执行不带参数的 getBytes() 方法时，new String("字").getBytes().length 返回的就是 2 了，因为现在缺省编码变成 GBK 了。
注意：通常，Windows 系统下是 GBK，Linux 和 Mac 是 UTF-8 。但有一点要注意，在 Windows 下使用 IDE 来运行时，比如 Eclipse，如果你的工程的缺省编码是 UTF-8，在 IDE 中运行你的程序时，会加上上述的 -Dfile.encoding = UTF-8 参数，这时，即便你在 Windows 下，缺省编码也是 UTF-8，而不是 GBK。
现在我们可以来回答上上回遗留的问题了：Java 中理论说是一个字符（汉字）占用两个字节。但是在 UTF-8 的时候 new String("字").getBytes().length 返回的是 3 表示 3 个字节，Java 中 char 占多少字节?
答：Java语言规定，Java 的 char 类型是 UTF-16 的码元，所以 char 一定是16 位（ 2 字节）；
String.getBytes() 是一个用于将 String 的内码转换为指定的外码的方法。无参数版使用平台的默认编码作为外码，有参数版使用参数指定的编码作为外码；将String 的内容用外码编码好，结果放在一个新 byte[] 返回。
显然外码是 UTF-8，那么调用了 String.getBytes() 之后得到的 byte[] 只能表明该外码的性质，而无法碰触到 String 内码的任何特质。
显然，Java 的编码远不止如此，比如我们读写 IO 的时候，我们也会遇到编码解码，啊，我的天，坑越来越大了，期待下期吧。