java中的字节与字符
1.在java中,一个字符等于多少字节?
或者更详细的问:在java中,一个英文字符等于多少字节?一个中文字符等于多少字节?
Java采用unicode来表示字符,java中的一个char是2个字节,一个中文或英文字符的unicode编码都占2个字节,但如果采用其他编码方式,一个字符占用的字节数则各不相同。
-
在 GB 2312 编码或 GBK 编码中,一个英文字母字符存储需要1个字节,一个汉子字符存储需要2个字节。
-
在UTF-8编码中,一个英文字母字符存储需要1个字节,一个汉字字符储存需要3到4个字节。
-
在UTF-16编码中,一个英文字母字符存储需要2个字节,一个汉字字符储存需要3到4个字节(Unicode扩展区的一些汉字存储需要4个字节)。
-
在UTF-32编码中,世界上任何字符的存储都需要4个字节。
java代码举例:
String str = "测试test";
int byte_len = str.getBytes().length;
int len = str.length();
System.out.println("字节长度为:" + byte_len);
System.out.println("字符长度为:" + len);
如果编码方式为GBK,对于字符串“测试test”,字符长度为6,字节长度为8。
如果编码方式为UTF_8,对于字符串“测试test”,字符长度为6,字节长度为10。
PS:字符串的length()方法返回的是字符长度,一个汉子表示一个字符,一个字母也表示一个字符。
2.unicode和UTF_8有什么关系
-
UTF-8就是在互联网上使用最广的一种unicode的实现方式。unicode的其他实现方式还包括UTF-16和UTF-32。
-
UTF-8的最大特点是,它是一种可变的编码方式。
那么问题来了
说了这么多还是不明白,到底java中一个char表示几个字节?请看下面解释
public class Test {
public static void main(String[] args) {
String str= "测";
char x ='测';
byte[] byteStr=null;
byte[] byteChar=null;
try {
byteStr = str.getBytes("utf-8");
byteChar = charToByte(x);
} catch (Exception e) {
e.printStackTrace();
}
System.out.println("byteStr :"+byteStr.length);
System.out.println("byteChar:"+byteChar.length);
}
public static byte[] charToByte(char c) {
byte[] b = new byte[2];
b[0] = (byte) ((c & 0xFF00) >> 8);
b[1] = (byte) (c & 0xFF);
return b;
}
}
运行结果:
byteStr:3
byteChar:2
java是用unicode来表示字符,"测"这个中文字符的unicode就是2个字节。
String.getBytes(encoding)方法是获取指定编码的byte数组表示,
如果不指定encoding则取系统默认的encoding。
3.编码
字符编码表(字符集)
ASCII 码表:
保存了数字,字母等
A - 65,a - 97,0 - 48
GB2312 码表:
保存了常用的汉字(6-7千个),一个中文占两个字节,且都为负数
GBK 码表:
保存了基本所有的汉字(20000多个),不管中文还是英文都为2个字节,这两个字节可为正负
Unicode 码表:
统一码标(万国码标)
不管是中文还是英文都是两个字节
UTF-8 码表:
一个字节就可以存储的数据不用两个字节存储
这个码表更加标准化,在每一个字节头加入了编码信息
ISO-8859-1 码表:
拉丁码表
Tomcat默认编码
都是负数
在GBK中一个中文两个字节
在UTF-8中一个中文三个字节