详解Java语⾔中⼀个字符占⼏个字节？
题主要区分清楚内码（internal encoding）和外码（external encoding）就好了。
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；
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语⾔规范规定，Java的char类型是UTF-16的code unit，也就是⼀定是16位（2字节）；
char, whose values are 16-bit unsigned integers representing UTF-16 code units (§3.1).
然后字符串是UTF-16 code unit的序列：
The Java programming language represents text in sequences of 16-bit code units, using the UTF-16 encoding.
字符串长度和字节这样，Java规定了字符的内码要⽤UTF-16编码。或者⾄少要让⽤户⽆法感知到String内部采⽤了⾮UTF-16的编码。
另举⼀例：
Java标准库实现的对char与String的序列化规定使⽤UTF-8作为外码。Java的Class⽂件中的字符串常量与符号名字也都规定⽤UTF-8编码。这⼤概是当时设计者为了平衡运⾏时的时间效率（采⽤定长编码的UTF-16）与外部存储的空间效率（采⽤变长的UTF-8编码）⽽做的取舍。
⾸先，你所谓的“字符”具体指什么呢？
如果你说的“字符”就是指 Java 中的 char，那好，那它就是 16 位，2 字节。
如果你说的“字符”是指我们⽤眼睛看到的那些“抽象的字符”，那么，谈论它占⼏个字节是没有意义的。
具体地讲，脱离具体的编码谈某个字符占⼏个字节是没有意义的。
就好⽐有⼀个抽象的整数“42”，你说它占⼏个字节？这得具体看你是⽤ byte，short，int，还是 long 来存它。⽤
byte 存就占⼀字节，⽤ short 存就占两字节，int 通常是四字节，long 通常⼋字节。当然，如果你⽤ byte，受限于它有限的位数，有些数它是存不了的，⽐如 256 就⽆法放在⼀个 byte ⾥了。
字符是同样的道理，如果你想谈“占⼏个字节”，就要先把编码说清楚。
同⼀个字符在不同的编码下可能占不同的字节。
就以你举的“字”字为例，“字”在 GBK 编码下占 2 字节，在 UTF-16 编码下也占 2 字节，在 UTF-8 编码下占 3 字
节，在 UTF-32 编码下占 4 字节。
不同的字符在同⼀个编码下也可能占不同的字节。
“字”在 UTF-8 编码下占3字节，⽽“A”在 UTF-8 编码下占 1 字节。（因为 UTF-8 是变长编码）
⽽ Java 中的 char 本质上是 UTF-16 编码。⽽ UTF-16 实际上也是⼀个变长编码（2 字节或 4字节）。
如果⼀个抽象的字符在 UTF-16 编码下占 4 字节，显然它是不能放到 char 中的。换⾔之， char 中只能放 UTF-16 编码下只占2 字节的那些字符。
⽽ getBytes 实际是做编码转换，你应该显式传⼊⼀个参数来指定编码，否则它会使⽤缺省编码来转换。
你说“ 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，
假设你的类叫 Main，那么在命令⾏中⽤ java 执⾏这个类时可以通过 ding 参数设置⼀个缺省编码。⽐如这样：java -ding=GBK Main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。当然，如果这时你显式地指定编码，new String("字").getBytes("UTF-8").length 返回的则依旧是 3
否则，会使⽤所在操作系统环境下的缺省编码。
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 -ding=UTF-
8 参数，这时，即便你在 Windows 下，缺省编码也是 UTF-8，⽽不是 GBK。
由于受启动参数及所在操作系统环境的影响，不带参数的 getBytes ⽅法通常是不建议使⽤的，最好是显式地指定参数以此获得稳定的预期⾏为。
以上所述是⼩编给⼤家介绍的Java语⾔中⼀个字符占⼏个字节详解整合，希望对⼤家有所帮助，如果⼤家有任何疑问请给我留⾔，⼩编会及时回复⼤家的。在此也⾮常感谢⼤家对⽹站的⽀持！
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论