Java中的UTF-8、UTF-16编码字符所占字节数

前言：上一篇文章写了关于Unicode，以及utf-8、utf-16相关知识。所以本篇博文来验证在java环境下，字符在不同编码下所占的字计数。

测试代码如下：

package string;public class CharByteTest {public static void main(String[] args) throws Exception {// 第二个字符为BMP之外的字符，csdn编辑器无法显示该字符，可以在运行结果截图中看到String[] strArr = {"中", "��", "a", "aa"};String[] charsetArr = {"gbk", "utf-8", "utf-16", "gb2312"};for(String str : strArr) {System.out.println(str);for(String charset : charsetArr) {byteTest(str, charset);}System.out.println("============================");}}public static void byteTest(String str, String charset) throws Exception {System.out.println("编码：" + charset + "\t所占字节数：" + str.getBytes(charset).length);}}

运行结果如下：

在前一篇文章的基础上，我们来分析一下运行结果。

“中”字的unicode码值为4E2D，使用UTF-8编码占3个字节。由于该字符位于BMP内，所以使用UTF-16编码应该占2个字节，但是运行结果为4个字节。
第二个字符（csdn编辑器不支持该字符的显示），该字符使用UTF-8应该占4个字节，运行结果正确。由于该字符位于BMP外，所以使用UTF-16编码应该占4个自己，但是运行结果显示占用了6个字节。
英文字母a，UTF-8编码应该和ASCII编码相同占用一个字节，运行结果显示占用一个字节。a在Unicode中位于BMP内，所以UTF-16编码应该占用4个字节，但是运行结果缺显示4个字节。
按照上面的运行结果，a在UTF-8编码下占用1个字节，在UTF-16编码下占用4个字节。那么猜测两个英文字母a，即”aa“在UTF-8和UTF-16编码下应该分别占2个和8个字节，但是运行结果却和想象中的不一样，aa在UTF-16编码下工占6个字节。

运行结果好像和上一篇中讲到的有点不相符啊！为什么会出现这样的结果的？

通过搜索相关文章，了解到java的字节码文件（.class）文件采用的是UTF-8编码，但是在java 运行时会使用UTF-16编码。在转码的时候会在前面加上表示字节顺序的字符，这个字符称为”零宽度非换行空格”（ZERO WIDTH NO-BREAK SPACE），用FEFF表示。FEFF占用两个字节，所以就解释了为什么java环境下英文字母a在UTF-16编码占3个字节。

我们不妨将这些字符的在不同编码下的二进制转换为16进制并打印出来。
将代码修改如下：

package string;public class CharByteTest {private static char[] HEX_CHAR = {'0', '1', '2', '3', '4','5', '6', '7', '8', '9', 'a', 'b', 'c', 'd', 'e', 'f'};public static void main(String[] args) throws Exception {String[] strArr = {"中", "��", "a", "aa"};//String[] charsetArr = {"gbk", "utf-8", "utf-16", "gb2312"};String[] charsetArr = {"unicode", "utf-8", "utf-16", "utf-16BE", "utf-16LE"};for(String str : strArr) {System.out.println(str);for(String charset : charsetArr) {byteTest(str, charset);}System.out.println("============================");}}public static void byteTest(String str, String charset) throws Exception {byte[] strByte = str.getBytes(charset);System.out.println("编码：" + charset + "\t所占字节数：" + strByte.length+ "\t16进制：" + bytesToHexStr(strByte));}// 将byte[]用十六进制字符串public static String bytesToHexStr(byte[] bytes) {int index = 0;char[] hexChar = new char[bytes.length * 2];for(int i = 0; i < bytes.length; i++) {hexChar[index++] = HEX_CHAR[bytes[i] >> 4 & 0xF];hexChar[index++] = HEX_CHAR[bytes[i] & 0xF];}return new String(hexChar);}}

运行结果：

Java中的UTF-8、UTF-16编码字符所占字节数相关推荐

java中8种数据类型和默认值所占字节数
java 8种基本数据类型的默认值及所占字节数通过一段代码来测试一下 8种基本数据类型的默认值 1 package dierge; 2 3 public class Ceshi { 4 int a; ...
c语言中大写英文字母所占字节,Java中字符编码和字符串所占字节数 .
首先,java中的一个char是2个字节.java采用unicode,2个字节来表示一个字符,这点与C语言中不同,C语言中采用ASCII,在大多数系统中,一个char通常占1个字节,但是在0~12 ...
java和C中基本数据类型的所占字节数对比
java 语言所占字节数数据类型 32位计算机 64位计算机 byte 1 1 char 2 2 int 4 4 long 8 8 float 4 4 double 8 8 引用 4 8 c 语 ...
java 基本数据类型所占字节数及其范围
java学习笔记:java 基本数据类型所占字节数及其范围所占字节数类型范围浮点数可表示的范围非常大,float类型可最大表示3.4 x 10^38 ,而double类型可最大表示1.79 x ...
c语言中布尔类型占几个字节,JAVA基本数据类型所占字节数是多少？
byte 1字节 short 2字节 int 4字节 long 8字节 char 2字节(C语言中是1字节)可以存储一个汉字 float 4字节 doub ...
java 数字字母中文_java中英文字母、数字、中文所占字节数
先了解下基本的单位: 1.比特(bit)即一个二进制位,例如100011就是6比特. 2.字节(byte),这是计算机中数据类型最基本的单位了,8bit组成1byte. java要确定每种基本类型所占 ...
JAVA基本数据类型所占字节数是多少？
byte 1字节 short 2字节 int 4字节 long 8字节 ...
java 字符类型字节数_JAVA基本数据类型所占字节数是多少？
byte 1字节 short 2字节 int 4字节 long 8字节 char 2字节(C语言中是1字节)可以存储一个汉字 float 4字节 doub ...
各类编码格式中汉字和字母所占字节数
编码格式: 1.ASII:美国标准信息交换码,用一个字节的7位可以表示: 2.ISO8859-1:拉丁码表,欧洲码表,用一个字节的8位可以表示: 3.GBK2312:中国的中文编码表,最多两个字节编码 ...

Java中的UTF-8、UTF-16编码字符所占字节数

Java中的UTF-8、UTF-16编码字符所占字节数相关推荐

最新文章

热门文章