Java char 数组是否始终是有效的 UTF-16（Big Endian）编码？答案

【问题标题】：Is a Java char array always a valid UTF-16 (Big Endian) encoding?Java char 数组是否始终是有效的 UTF-16（Big Endian）编码？
【发布时间】：2025-12-30 09:00:10
【问题描述】：

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
使用大端编码（将最高有效 8 位存储在最左边的字节中，将最低有效 8 位存储在最右边的字节中）

这会始终创建有效的 UTF-16BE 编码吗？如果不是，哪些代码点会导致编码无效？

这个问题与this question about the Java char type和this question about the internal representation of Java strings非常相关。

【问题讨论】：

标签： java arrays unicode character-encoding char

【解决方案1】：

没有。您可以创建包含您想要的任何 16 位值的 char 实例——没有任何东西将它们限制为有效的 UTF-16 代码单元，也没有将它们的数组限制为有效的 UTF-16 序列。即使String 也不要求其数据是有效的UTF-16：

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

Unicode 标准的Chapter 3 中规定了有效 UTF-16 数据的要求（基本上，所有内容都必须是 Unicode 标量值，并且所有代理项必须正确配对）。您可以测试 char 数组是否是有效的 UTF-16 序列，并使用 CharsetEncoder 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

（如果你有字节，同样使用CharsetDecoder。）

【讨论】：

如果 String 只包含有效的 Unicode，那么 toCharArray() 必然是有效的 UTF-16BE --- 但是，正如我所提到的，String 不验证其内容，因此由您来检查。