詳解Java語言中一個字符占幾個字節(jié)？

題主要區(qū)分清楚內碼（internal encoding）和外碼（external encoding）就好了。

內碼是程序內部使用的字符編碼，特別是某種語言實現(xiàn)其char或String類型在內存里用的內部編碼；
外碼是程序與外部交互時外部使用的字符編碼。“外部”相對“內部”而言；不是char或String在內存里用的內部編碼的地方都可以認為是“外部”。例如，外部可以是序列化之后的char或String，或者外部的文件、命令行參數(shù)之類的。

Java語言規(guī)范規(guī)定，Java的char類型是UTF-16的code unit，也就是一定是16位（2字節(jié)）；

char, whose values are 16-bit unsigned integers representing UTF-16 code units (§3.1).

然后字符串是UTF-16 code unit的序列：

The Java programming language represents text in sequences of 16-bit code units, using the UTF-16 encoding.

這樣，Java規(guī)定了字符的內碼要用UTF-16編碼?；蛘咧辽僖層脩魺o法感知到String內部采用了非UTF-16的編碼。

另舉一例：

Java標準庫實現(xiàn)的對char與String的序列化規(guī)定使用UTF-8作為外碼。Java的Class文件中的字符串常量與符號名字也都規(guī)定用UTF-8編碼。這大概是當時設計者為了平衡運行時的時間效率（采用定長編碼的UTF-16）與外部存儲的空間效率（采用變長的UTF-8編碼）而做的取舍。

首先，你所謂的“字符”具體指什么呢？

如果你說的“字符”就是指 Java 中的 char，那好，那它就是 16 位，2 字節(jié)。

如果你說的“字符”是指我們用眼睛看到的那些“抽象的字符”，那么，談論它占幾個字節(jié)是沒有意義的。

具體地講，脫離具體的編碼談某個字符占幾個字節(jié)是沒有意義的。

就好比有一個抽象的整數(shù)“42”，你說它占幾個字節(jié)？這得具體看你是用 byte，short，int，還是 long 來存它。用 byte 存就占一字節(jié)，用 short 存就占兩字節(jié)，int 通常是四字節(jié)，long 通常八字節(jié)。當然，如果你用 byte，受限于它有限的位數(shù)，有些數(shù)它是存不了的，比如 256 就無法放在一個 byte 里了。

字符是同樣的道理，如果你想談“占幾個字節(jié)”，就要先把編碼說清楚。

同一個字符在不同的編碼下可能占不同的字節(jié)。

就以你舉的“字”字為例，“字”在 GBK 編碼下占 2 字節(jié)，在 UTF-16 編碼下也占 2 字節(jié)，在 UTF-8 編碼下占 3 字節(jié)，在 UTF-32 編碼下占 4 字節(jié)。

不同的字符在同一個編碼下也可能占不同的字節(jié)。

“字”在 UTF-8 編碼下占3字節(jié)，而“A”在 UTF-8 編碼下占 1 字節(jié)。（因為 UTF-8 是變長編碼）
而 Java 中的 char 本質上是 UTF-16 編碼。而 UTF-16 實際上也是一個變長編碼（2 字節(jié)或 4字節(jié)）。

如果一個抽象的字符在 UTF-16 編碼下占 4 字節(jié)，顯然它是不能放到 char 中的。換言之， char 中只能放 UTF-16 編碼下只占 2 字節(jié)的那些字符。

而 getBytes 實際是做編碼轉換，你應該顯式傳入一個參數(shù)來指定編碼，否則它會使用缺省編碼來轉換。

你說“ new String("字").getBytes().length 返回的是3 ”，這說明缺省編碼是 UTF-8.如果你顯式地傳入一個參數(shù)，比如這樣“ new String("字").getBytes("GBK").length ”，那么返回就是 2.

你可以在啟動 JVM 時設置一個缺省編碼，

假設你的類叫 Main，那么在命令行中用 java 執(zhí)行這個類時可以通過 file.encoding 參數(shù)設置一個缺省編碼。比如這樣：java -Dfile.encoding=GBK Main這時，你再執(zhí)行不帶參數(shù)的 getBytes() 方法時，new String("字").getBytes().length 返回的就是 2 了，因為現(xiàn)在缺省編碼變成 GBK 了。當然，如果這時你顯式地指定編碼，new String("字").getBytes("UTF-8").length 返回的則依舊是 3

否則，會使用所在操作系統(tǒng)環(huán)境下的缺省編碼。

通常，Windows 系統(tǒng)下是 GBK，Linux 和 Mac 是 UTF-8.但有一點要注意，在 Windows 下使用 IDE 來運行時，比如 Eclipse，如果你的工程的缺省編碼是 UTF-8，在 IDE 中運行你的程序時，會加上上述的 -Dfile.encoding=UTF-8 參數(shù)，這時，即便你在 Windows 下，缺省編碼也是 UTF-8，而不是 GBK。

由于受啟動參數(shù)及所在操作系統(tǒng)環(huán)境的影響，不帶參數(shù)的 getBytes 方法通常是不建議使用的，最好是顯式地指定參數(shù)以此獲得穩(wěn)定的預期行為。

以上所述是小編給大家介紹的Java語言中一個字符占幾個字節(jié)詳解整合，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對億速云網(wǎng)站的支持！