Java為什么不能在UTF-8文件中讀取此Unicode字符？

Question

“ unicode.txt” UTF-8文件

𫢹アफਸᙡşüabÇİÜ⏩ア

第一個字符有4個字節。 當我運行此代碼時，我無法獲得期望的輸出

InputStream in = new FileInputStream("unicode.txt");
InputStreamReader inReader = new InputStreamReader(in, "UTF-8");
char ch = (char)inReader.read();
System.out.println(ch); // Writes '?' character to the console. Why ?

為什么此代碼未在控制台中寫入“𫢹”字符？ 我該怎么寫呢？

我的默認編碼：

System.out.println(System.getProperty("file.encoding")); // output: "UTF-8"
System.out.println(Charset.defaultCharset()); // output: "UTF-8"

我認為，問題是char數據類型。

謝謝。

Answer 1

char數據類型基於原始Unicode規范，該規范將字符定義為固定寬度的16位實體。 此后，對Unicode標准進行了更改，以允許其表示需要超過16位的字符。 Unicode代碼點的范圍現在是U + 0000到U + 10FFFF。 從U + 0000到U + FFFF的字符集稱為基本多語言平面（BMP），而代碼點大於U + FFFF的字符稱為補充字符。 因此，char值表示BMP代碼點，包括代理代碼點或UTF-16編碼的代碼單元。 一個int值表示所有Unicode代碼點，包括補充代碼點。

特別是，請勿編寫假定原始類型char（或Character對象）的值完全代表Unicode代碼點的代碼。

（來自https://wiki.sei.cmu.edu/confluence/plugins/servlet/mobile?contentId=88487813#content/view/88487813 ）

換句話說，您偶然發現了一個Unicode字符，該char由Java使用的可變長度UTF-16編碼中的多個BMP代碼單元（即char ）表示。