在这一篇，我们谈论最后一个话题，就是“到底怎样才算一个‘字符’”？
其实这个话题在字符集与编码（五）——代码单元及 length 方法中和文本在内存中的编码(1)——乱码探源(4)也有所涉及，这里结合字符流的话题再综合深入探讨它一下，并且还将涉及一个 unicode 组合字符及正规化的话题。（这在前面也没有涉及过的）
怎样算是一个字符？
初看起来，这是个很 naive 的问题。以前面经常举的例子来说：
“h” 是一个字符；
“i” 是一个字符；
“你” 是一个字符；
“好” 也是一个字符。
所谓“字符”，那不就是我们眼睛看到的那一个个抽象的“东西”吗？这好像也没什么难理解的。然而，计算机里的一切都是很具体的，也通常是带有某种限制的。
举个例子来说，我们常说的“一个整数”就是一个抽象的数字，而计算机中，就以 Java 为例吧，最直接对应的概念就是一个 int，这是一个很具体的东西，然后是带有某种限制的，比如只有 32 bit，还分了正负数，所以它能表示的整数是有一个范围的，不是你头脑中想到的每一个整数都能塞到这个 int 里面去。
那么同理，Java 中所谓的‘字符’，包括所谓的‘字符流’这些个概念，严格地讲，这里的‘字符’具体指的是 char，也就是 Java 中的那个基本数据类型 char。
基本数据类型 char 是 16 位的，无符号的（也就是不分正负数，都算正数），所以它也是有范围限制的，撑死了最多也就能表示 2^16，也就是 65536 个不同字符。
可是另一方面我们知道，Unicode 的范围是 U+0000 ~ U+10FFFF（0 ~ 1114111），是百万级别，1114112 这个值可比 65536 大得多了去了。
有很多位置还是空的，但目前已经定义的字符也有 13 万+ 了（截至 2017 年 6 月，具体见 Unicode 10.0 版本中的介绍：http://www.unicode.org/versions/Unicode10.0.0/）。
所以，很明显，char 中根本放不下那么多。char 只能容纳 U+0000 ~ U+FFFF（0 ~ 65535）间的字符，这段范围称为 BMP（基本多语言平面）；对于 U+10000 ~ U+10FFFF 间的字符，char 表示力有不逮，心有余而空间不足~
关于 Unicode 的介绍：字符集与编码（四）——Unicode.
一个 BMP 外的字符
比如，前面一再提到的那个音乐符号【】（假如你的系统字符集不支持，这个字符将显示不出来），如下图：
它是 U+1D11E（119070） 号字符，大过 U+FFFF，char 这座小庙放不下这尊大神，强行赋值给 char 会导致报错（非法字符常量：Invalid character constant）：
这个字符无论是用 utf-8，utf-16 还是 utf-32 都要占用四个字节：
单个 char 虽然无法放置它，但可以用两个连着的 char 放它，这就是所谓的”代理对“了：
可以把它放到 String 中，不过这么“一个”字符，它的长度（length）却是 2：
关于这些的更详细的解释，可以参考字符集与编码（五）——代码单元及 length 方法中和文本在内存中的编码(1)——乱码探源(4)中的介绍。
字符流的局限性
那么，由以上介绍，我们知道了 char 的局限，它无法跟我们用眼睛看到的“字符”划等号，那么 Java 的字符流也会受到此局限，它们是一脉相承的。确切的讲，所谓的“字符流”更准确的说法是“16 位 char 流”。比如，如果你看一下 Reader 中 read 方法的介绍：
会发现，它每 read 一下，虽然返回是个 int，但值的范围却是受限的，实际上它就是返回一个 16 位的 char。
假如用一个文本文件保存着上述那个字符，编码用 utf-8.
那么它的字节是 4，如果现在用一个字符流去读取它，那么要 read 两次：
你可能会好奇，这么读一下，它到底读上来几个字节呢？如果这个文本文件是用 utf-16 编码，可能相对好理解一些，read 一下就是返回两字节。但是现在是 utf-8 呢？如果只是读取前面的 f0 9d，是不足以转换成 d8 34 的。事实上，首字节 f0 的二进制为 11110000，是以 11110 开头的，根据 utf-8 编码规则，读到这个字节，就知道要一下读四个字节，这样才算一个完整“字符（码点）”，但返回时还是分了两段，形式上你也要 read 两次，根源还是 char 本身的局限性。
所以，是不是字符流读一下就能返回一个“字符”呢？这主要具体看你怎么定义“字符”这个概念了。
组合字符（composite characters）与正规化问题（normarlize）
事实上，所谓的“一个字符”在考虑到 Unicode 中的所谓组合字符时还会更复杂一些。
比如下面有两个组合字符：
就以上面那个为例吧，那个上面有个小圆圈的 A。一方面，Unicode 为它单独定义了一个字符（码点），也就是上面显示的【U+00C5】。
另一方面，它又可以由普通的字母 A【U+0041】和一个小圆圈字符【U+030A】组合而成。
跟我们拼音上面的四声音调符号类似。
什么意思呢？来具体看下下面的测试：
如上，先把三个字符换行依次输出，是三个不同的字符：戴帽子的 A，A 以及小圆帽。
但把后两个字符（也就是普通的 A 和小圆帽）连着输出时，它们会重叠在一起，在眼睛看来似乎成了一个字符，跟前面那个字符一样。除非把它们用空格隔开，这样它们才不会发生组合。
所以，但我们用眼睛看到一个这样的字符时，它的底层可能是一个字符（码点），也可能是两个字符（码点），这无疑会带来一些困扰，不过 Unicode 也提供了所谓的正规化方法：
如上，如果直接比较，结果肯定是不等的，但经过正规化（normalize）后，就相等了，与我们眼睛看到的结果一致。
当然了，虽然有这么些个方法，但事情还是变得复杂了。总而言之呢，所谓的“一个字符”其实没有我们想象的那么简单，尽管这些情况都是比较罕见的，多数情况下你还是可以按照常规去理解，但也应该对这些有个了解，这也是这里介绍它们的原因。
关于字节流与字符流的话题就介绍到这里。