java中char的字节数
2016-02-17 14:57
267 查看
貌似是一个简单的问题(也许也真是简单的),但是却把曾经自认为弄清楚的我搞得莫名其妙。
char在Java中应该是16位即两个字节
byte在Java中应该是8位
char x = '编'; //这样应该占两个字节
但是
String str = "编";
byte[] bytes = str.getBytes(); //此时为什么要占用3个byte呢?(此时系统默认的encoding为utf-8)
str.getBytes()这个东西到底又怎么回事?(此方法会使用系统默认的编码)
因为java采用Unicode编码,用Unicode编码的单个字符占两个字节,所以问题转到Unicode与utf-8的区别上来。
翻了很多资料,最终在知乎上找到了答案,如下:
举一个例子:It's 知乎日报
你看到的unicode字符集是这样的编码表:
每一个字符对应一个十六进制数字。
计算机只懂二进制,因此,严格按照unicode的方式(UCS-2),应该这样存储:
这个字符串总共占用了18个字节,但是对比中英文的二进制码,可以发现,英文前9位都是0!浪费啊,浪费硬盘,浪费流量。
怎么办?
UTF。UTF-8是这样做的:
1. 单字节的字符,字节的第一位设为0,对于英语文本,UTF-8码只占用一个字节,和ASCII码完全相同;
2. n个字节的字符(n>1),第一个字节的前n位设为1,第n+1位设为0,后面字节的前两位都设为10,这n个字节的其余空位填充该字符unicode码,高位用0补足。
这样就形成了如下的UTF-8标记位:
0xxxxxxx
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
... ...
于是,”It's 知乎日报“就变成了:
和上边的方案对比一下,英文短了,每个中文字符却多用了一个字节。但是整个字符串只用了17个字节,比上边的18个短了一点点。
引用:Unicode 和 UTF-8 有何区别?
char在Java中应该是16位即两个字节
byte在Java中应该是8位
char x = '编'; //这样应该占两个字节
但是
String str = "编";
byte[] bytes = str.getBytes(); //此时为什么要占用3个byte呢?(此时系统默认的encoding为utf-8)
str.getBytes()这个东西到底又怎么回事?(此方法会使用系统默认的编码)
因为java采用Unicode编码,用Unicode编码的单个字符占两个字节,所以问题转到Unicode与utf-8的区别上来。
翻了很多资料,最终在知乎上找到了答案,如下:
举一个例子:It's 知乎日报
你看到的unicode字符集是这样的编码表:
I 0049 t 0074 ' 0027 s 0073 0020 知 77e5 乎 4e4e 日 65e5 报 62a5
每一个字符对应一个十六进制数字。
计算机只懂二进制,因此,严格按照unicode的方式(UCS-2),应该这样存储:
I 00000000 01001001 t 00000000 01110100 ' 00000000 00100111 s 00000000 01110011 00000000 00100000 知 01110111 11100101 乎 01001110 01001110 日 01100101 11100101 报 01100010 10100101
这个字符串总共占用了18个字节,但是对比中英文的二进制码,可以发现,英文前9位都是0!浪费啊,浪费硬盘,浪费流量。
怎么办?
UTF。UTF-8是这样做的:
1. 单字节的字符,字节的第一位设为0,对于英语文本,UTF-8码只占用一个字节,和ASCII码完全相同;
2. n个字节的字符(n>1),第一个字节的前n位设为1,第n+1位设为0,后面字节的前两位都设为10,这n个字节的其余空位填充该字符unicode码,高位用0补足。
这样就形成了如下的UTF-8标记位:
0xxxxxxx
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
... ...
于是,”It's 知乎日报“就变成了:
I 01001001 t 01110100 ' 00100111 s 01110011 00100000 知 11100111 10011111 10100101 乎 11100100 10111001 10001110 日 11100110 10010111 10100101 报 11100110 10001010 10100101
和上边的方案对比一下,英文短了,每个中文字符却多用了一个字节。但是整个字符串只用了17个字节,比上边的18个短了一点点。
引用:Unicode 和 UTF-8 有何区别?
相关文章推荐
- Java JVM:内存结构和相关参数
- java学习之工厂模式(简单工厂模式,工厂方法模式,抽象工厂模式)
- java
- SpringMVC中四个基本注解
- SpringMVC+Json构建基于Restful风格的应用
- Java Swing JInternalFrame 为什么显示为透明(背景重合)
- Java笔试题目知识点汇总
- Java WebService 简单实例
- 如何将android studio项目转换成eclipse
- Java Web应用调优线程池:没你想的那么复杂
- JAVA基础笔记3--JDBC入门
- struts1和struts2的区别对比
- 任务调度的 Java 实现方法一:Timer、TimerTask、 ScheduledExecutorService
- Java到底是值传递?还是引用传递?
- java实现复制功能
- Java中的hashCode和equals方法学习
- struts2和springMVC的区别
- JVM中的本地方法栈(Native Method Stacks)和Java虚拟机栈(Java Virtual Machine Stacks)
- java23中设计模式
- 打印九九乘法表算法-java