java的char类型，只有两个字节，为什么可以存储汉字？java中 char详解

Posted 2021-02-18 del88

我自己出了一道面试题，如下：

    public static void main(String[] args) {
        char a = ‘9‘;
        char b = 9;
        char c = ‘我‘;
        System.out.println(Integer.valueOf(c));//输出为 25105
    }
请根据本页面右侧编码资料（ASCII码），回答以上Java代码【运行】后，a，b，c 依次在内存中 如何 存储的？

 

 

这道题就是考察之前说的字节与字符，这道题若知道原理的可以快速 利用 asc码和计算器，迅速得出答案。

A: java 是 unicode ，通常我们说 UTF-16 就是 unicode ，但是经过我的测试 UTF-16 又分：UTF-16BE     和 UTF-16LE 两种，java 采用的是 UTF-16BE; 既然是unicode 中文肯定可以存了。

C: 这项中文故意放了3个字节，通常人都会犯UTF-8的错误，我认为.java文件你可以保存为UTF-8编码的，编译成中间文件 .class 你也可以编译成UTF-8编码的，但是程序运行时就是以unicode为准，即运行时，char a = ‘a‘就是在内存中 占用2个字节。

D：原因同a

 

 

 

 

 

 

 

这篇文章与我猜想的一致，已经很充分的说明了问题：https://www.cnblogs.com/louiswong/p/6062417.html

.java .class 保存时 可以保存为 utf-8编码，但是运行时一定是 unicode编码。

    pom.xml里的 如下配置都是指外码。

    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding> .java 的外码 编码
    <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding> 日志的外码 编码
    <maven.compiler.encoding>UTF-8</maven.compiler.encoding> .class 的外码 编码

 

 -----------------------------------------------------------------------------------

在讨论这个问题之前，我们需要先区分unicode和UTF。

1. unicode ：统一的字符编号，仅仅提供字符与编号间映射。符号数量在不断增加，已超百万。详细：[https://zh.wikipedia.org/zh-cn/Unicode]
2. UTF ：unicode转换格式 (unicode transformation format) 。定义unicode中编号的编码方式。utf8和utf16便是其中两种实现方式。其中utf8为变长表示，长度可能时1～6个字节；utf16为变长表示，长度可能是2或4个字节。详细：UTF8 [https://zh.wikipedia.org/zh-cn/UTF-8] UTF16 [https://zh.wikipedia.org/zh-cn/UTF-16]

接着，要分清内码（internal encoding）和外码（external encoding）。

1. 内码 :某种语言运行时，其char和string在内存中的编码方式。
2. 外码 :除了内码，皆是外码。

要注意的是，源代码编译产生的目标代码文件（可执行文件或class文件）中的编码方式属于外码。

先看一下内码
JVM中内码采用UTF16。早期，UTF16采用固定长度2字节的方式编码，两个字节可以表示65536种符号（其实真正能表示要比这个少），足以表示当时unicode中所有字符。但是随着unicode中字符的增加，2个字节无法表示所有的字符，UTF16采用了2字节或4字节的方式来完成编码。Java为应对这种情况，考虑到向前兼容的要求，Java用一对char来表示那些需要4字节的字符。所以，java中的char是占用两个字节，只不过有些字符需要两个char来表示。
详细：
[https://docs.oracle.com/javase/tutorial/i18n/text/unicode.html]
[http://www.zhihu.com/question/27562173]

外码
Java的class文件采用UTF8来存储字符，也就是说，class中字符占1～6个字节。
Java序列化时，字符也采用UTF8编码，占1～6个字符。

总结：

1. java中内码（运行内存）中的char使用UTF16的方式编码，一个char占用两个字节，但是某些字符需要两个char来表示。所以，一个字符会占用2个或4个字节。
2. java中外码中char使用UTF8的方式编码，一个字符占用1～6个字节。
3. UTF16编码中，英文字符占两个字节；绝大多数汉字（尤其是常用汉字）占用两个字节，个别汉字（在后期加入unicode编码的汉字，一般是极少用到的生僻字）占用四个字节。
4. UTF8编码中，英文字符占用一个字节；绝大多数汉字占用三个字节，个别汉字占用四个字节。

EOF