題主要區(qū)分清楚內(nèi)碼（internal encoding）和外碼（external encoding）就好了。

內(nèi)碼是程序內(nèi)部使用的字符編碼，特別是某種語言實(shí)現(xiàn)其char或String類型在內(nèi)存里用的內(nèi)部編碼；
外碼是程序與外部交互時(shí)外部使用的字符編碼?！巴獠俊毕鄬?duì)“內(nèi)部”而言；不是char或String在內(nèi)存里用的內(nèi)部編碼的地方都可以認(rèn)為是“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、命令行參數(shù)之類的。

Java語言規(guī)范規(guī)定，Java的char類型是UTF-16的code unit，也就是一定是16位（2字節(jié)）；

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.

這樣，Java規(guī)定了字符的內(nèi)碼要用UTF-16編碼?；蛘咧辽僖層脩魺o法感知到String內(nèi)部采用了非UTF-16的編碼。

另舉一例：

Java標(biāo)準(zhǔn)庫實(shí)現(xiàn)的對(duì)char與String的序列化規(guī)定使用UTF-8作為外碼。Java的Class文件中的字符串常量與符號(hào)名字也都規(guī)定用UTF-8編碼。這大概是當(dāng)時(shí)設(shè)計(jì)者為了平衡運(yùn)行時(shí)的時(shí)間效率（采用定長編碼的UTF-16）與外部存儲(chǔ)的空間效率（采用變長的UTF-8編碼）而做的取舍。

首先，你所謂的“字符”具體指什么呢？

如果你說的“字符”就是指 Java 中的 char，那好，那它就是 16 位，2 字節(jié)。

如果你說的“字符”是指我們用眼睛看到的那些“抽象的字符”，那么，談?wù)撍紟讉€(gè)字節(jié)是沒有意義的。

具體地講，脫離具體的編碼談某個(gè)字符占幾個(gè)字節(jié)是沒有意義的。

就好比有一個(gè)抽象的整數(shù)“42”，你說它占幾個(gè)字節(jié)？這得具體看你是用 byte，short，int，還是 long 來存它。用 byte 存就占一字節(jié)，用 short 存就占兩字節(jié)，int 通常是四字節(jié)，long 通常八字節(jié)。當(dāng)然，如果你用 byte，受限于它有限的位數(shù)，有些數(shù)它是存不了的，比如 256 就無法放在一個(gè) byte 里了。

字符是同樣的道理，如果你想談“占幾個(gè)字節(jié)”，就要先把編碼說清楚。

同一個(gè)字符在不同的編碼下可能占不同的字節(jié)。

就以你舉的“字”字為例，“字”在 GBK 編碼下占 2 字節(jié)，在 UTF-16 編碼下也占 2 字節(jié)，在 UTF-8 編碼下占 3 字節(jié)，在 UTF-32 編碼下占 4 字節(jié)。

不同的字符在同一個(gè)編碼下也可能占不同的字節(jié)。

“字”在 UTF-8 編碼下占3字節(jié)，而“A”在 UTF-8 編碼下占 1 字節(jié)。（因?yàn)?UTF-8 是變長編碼）
而 Java 中的 char 本質(zhì)上是 UTF-16 編碼。而 UTF-16 實(shí)際上也是一個(gè)變長編碼（2 字節(jié)或 4字節(jié)）。

如果一個(gè)抽象的字符在 UTF-16 編碼下占 4 字節(jié)，顯然它是不能放到 char 中的。換言之， char 中只能放 UTF-16 編碼下只占 2 字節(jié)的那些字符。

而 getBytes 實(shí)際是做編碼轉(zhuǎn)換，你應(yīng)該顯式傳入一個(gè)參數(shù)來指定編碼，否則它會(huì)使用缺省編碼來轉(zhuǎn)換。

你說“ new String("字").getBytes().length 返回的是3 ”，這說明缺省編碼是 UTF-8.如果你顯式地傳入一個(gè)參數(shù)，比如這樣“ new String("字").getBytes("GBK").length ”，那么返回就是 2.

你可以在啟動(dòng) JVM 時(shí)設(shè)置一個(gè)缺省編碼，

假設(shè)你的類叫 Main，那么在命令行中用 java 執(zhí)行這個(gè)類時(shí)可以通過 file.encoding 參數(shù)設(shè)置一個(gè)缺省編碼。比如這樣：java -Dfile.encoding=GBK Main這時(shí)，你再執(zhí)行不帶參數(shù)的 getBytes() 方法時(shí)，new String("字").getBytes().length 返回的就是 2 了，因?yàn)楝F(xiàn)在缺省編碼變成 GBK 了。當(dāng)然，如果這時(shí)你顯式地指定編碼，new String("字").getBytes("UTF-8").length 返回的則依舊是 3

否則，會(huì)使用所在操作系統(tǒng)環(huán)境下的缺省編碼。

通常，Windows 系統(tǒng)下是 GBK，Linux 和 Mac 是 UTF-8.但有一點(diǎn)要注意，在 Windows 下使用 IDE 來運(yùn)行時(shí)，比如 Eclipse，如果你的工程的缺省編碼是 UTF-8，在 IDE 中運(yùn)行你的程序時(shí)，會(huì)加上上述的 -Dfile.encoding=UTF-8 參數(shù)，這時(shí)，即便你在 Windows 下，缺省編碼也是 UTF-8，而不是 GBK。

由于受啟動(dòng)參數(shù)及所在操作系統(tǒng)環(huán)境的影響，不帶參數(shù)的 getBytes 方法通常是不建議使用的，最好是顯式地指定參數(shù)以此獲得穩(wěn)定的預(yù)期行為。

以上所述是小編給大家介紹的Java語言中一個(gè)字符占幾個(gè)字節(jié)詳解整合，希望對(duì)大家有所幫助，如果大家有任何疑問請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！

最新評(píng)論