一个汉字占几个字符？

Posted 2023-05-07

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 file.encoding 参数设置一个缺省编码。
比如这样：java -Dfile.encoding=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 -Dfile.encoding=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。

参考技术A 这个与采用的编码有关，GBK\GB2312编码是2个字节，但是unicode\utf-8等就不同了，这些编码里面汉字是长度不是一定的，有的长、有的短，2～4字节。本回答被提问者和网友采纳 参考技术B 一般来说：GBK\GB2312编码是2个字节，但是unicode\utf-8编码是3个字节。 参考技术C 是字节吧！一个汉字占两个字节。 参考技术D

没有占用几个字符这种说法，只有占用几个字节这种说法，不同的编码方式占用的字节数不一样。例如utf-8一般一个汉字占 3 个字节（不固定），gbk占两个字节。

ps：一个字符（char）占用一个字节

oracle中 如何去除汉字？

比如我的一个年份“2013年04月04日”，我要得到20130404，sql如何写？

参考技术A select to_char(to_date('2013年04月04日','yyyy年mm月dd日'),'yyyymmdd')
from dual;

本回答被提问者采纳