java一个字符几个字节_Java 语言中一个字符占几个字节?
大家好,又见面了,我是你们的朋友全栈君。
Java中理论说是一个字符(汉字 字母)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
作者:RednaxelaFX
链接:https://www.zhihu.com/question/27562173/answer/37188642
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
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.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。“感知”可以是多方面的,例如随机访问某个下标的code unit(String.charAt())应该是O(1)操作,这只有使用UTF-16或者别的“定长”编码才可以做到。注意我这里说的“定长”特指code unit定长,而不是说code point定长。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。题主的例子里,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。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。题外话1:可惜UTF-16在Java设计之初还是真的定长编码,后来Unicode涵盖的字符变多了之后UTF-16变成了坑爹的变长编码(一个完整的“字符”是一个code point;一个code point可以对应1到2个code unit;一个code unit是16位),Java也只好跟进。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code point,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code unit的code point才可以完整的存在char里。但String作为char的序列,可以包含由两个code unit组成的“surrogate pair”来表示需要2个code unit表示的UTF-16 code point。为此Java的标准库新加了一套用于访问code point的API,而这套API就表现出了UTF-16的变长特性。题外话2:前面我说Java的内码时说得比较松,留下了“不总是使用UTF-16作为内码,但是用户无法感知区别”的余地。在Sun JDK6中有一个“压缩字符串”(-XX:+UseCompressedString)的功能。启用后,String内部存储字符串内容可能用byte[],也可能用char[];当整个字符串所有字符都在ASCII编码范围内时,就使用byte[](ASCII序列)来存储,此时字符串就处于“压缩”状态;反之,只要有任何一个字符超出了ASCII的编码范围,就退回到用char[](UTF-16序列)来存储。ASCII编码也是一种定长编码,而且其涵盖的字符是UTF-16的真子集;用户在对一个“压缩”的字符串访问其内容时(例如String.charAt()),只需对ASCII字符做无符号扩展就可以得到对应的UTF-16 code unit。这样用户也就无法感知到Java String的内码不是UTF-16的情况。Sun JDK6对“压缩字符串”的实现不够理想,实现太复杂而效果未如预期的好,所以没有包含在OpenJDK6、Oracle JDK7/OpenJDK7里。现在Oracle在重新审视“压缩字符串”功能,有可能在JDK9重新实现出来。题外话3:同样规定使用UTF-16作为内码的JavaScript语言,其实现广泛应用了“压缩字符串”的思想。现在主流的JavaScript引擎都会尽可能用ASCII内码的字符串,不过用户能接触的API只能看到UTF-16 code unit。
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/153107.html原文链接:https://javaforall.cn
相关文章
- java json对象转map_java引用对象
- Java进阶(二十三)java中long类型转换为int类型
- JAVA如何调用对方http接口得到返回数据
- java mediatype utf-8_Java MediaType.APPLICATION_JSON_UTF8屬性代碼示例
- Java输入输出(标准)
- 菜鸟教程java_JAVA笔记(菜鸟教程)[通俗易懂]
- java locale 中国_Java描述语言、国家和地理的类——Locale
- java软件工程师是做什么的_JAVA软件工程师是做什么的?
- java %08d_总结Java中String.format()的使用[通俗易懂]
- java启动器_JAVA基础:Java 启动器如何查找类
- Java商城源码最好用的java商城电商系统之一
- java山寨qq账号密码验证_Java实战-山寨QQ
- MySQL字段类型如何转为java_Java JDBC中,MySQL字段类型到JAVA类型的转换
- Java中关于interface的不常见小技巧
- Java转换流_java中的字符使用什么编码
- Java的函数式接口以及Lambda表达式
- java.sql.SQLException: MONTH 报错解决方法
- java字节流和字符流
- Java基础加强之代理详解编程语言
- Java 共享数据读写(多线程)详解编程语言
- 实现Linux上的Java环境:从安装到配置(linux安装java环境)
- JAVA基础之字节流与字符流详解编程语言
- 字符实现Redis Java过期字符的简单方法(redisjava过期)
- 处理Redis中Java操作自动处理过期数据(redisjava过期)
- 处理『Java搭配Redis实现过期处理的优雅方案』(redisjava过期)
- 库构建高效JavaMySQL数据库连接(java连接mysql类)
- Linux系统中下载Java的方法(linux下java下载)
- Java 开发提升Oracle数据库性能(java开发oracle)