Java中为什么可以用一个char(两个字节)表示一个中文字符

Posted 2020-11-30 reupe

　　比如这断程序：

char word = ‘字‘;
System.out.println("字".getBytes().length);   　　　　// 输出为 3

 

其输出结果为3， 小伙伴们就要问了：“奇怪了，‘字‘这个字符，明明是三个字节，怎么可以用char类型的变量来表示？ char类型不是在java中是两个字节么？”

 

　　其实，java中有外码和内码之分，顾名思义，外码就是JVM外部使用的编码，比如你在编辑器中输入的“字”，假设是UTF-8编码，UTF-8是变长编码，一个中文可能是1-3个字节来表示；那么，在JVM中，用的都是Unicode码，这是定长编码，所有字符都统一使用两个字节表示，这就是Java的内码。

 

　　"字".getBytes()   JVM执行这段逻辑，实际是进行了编码转换的，可以看String的源码实现：

public byte[] getBytes() {
    return StringCoding.encode(value, 0, value.length);    // 调用StringCoding.encode()　　　　　　
}

static byte[] encode(char[] ca, int off, int len) {
        String csn = Charset.defaultCharset().name();   　　　// 这里，Charset.defaultCharset()默认是UTF-8
        try {
            // use charset name encode() variant which provides caching.
            return encode(csn, ca, off, len);
        } catch (UnsupportedEncodingException x) {
            warnUnsupportedCharset(csn);
        }

 

可以看到，Java把字符串"字"(字符串就是char的数组), 编码为UTF-8 ， 转为UTF-8的“字”， 它的长度就变成了3个字节哦。