首页 > java的char类型,只有两个字节,在采用utf-8编码时,为什么可以存储汉字?

java的char类型,只有两个字节,在采用utf-8编码时,为什么可以存储汉字?

java的char类型,只有两个字节,在采用utf-8编码时,为什么可以存储汉字?


UTF8是外界的编码

java内部的编码是UTF16, 一个char的2字节足够存一个CJK区域的码点(有例外)


java内部存储的字符是Unicode编码,而非UTF-8


Unicode是一种字符集(charset),用两个字节就能囊括世界上所有的文字集合。
UTF-8是一种编码方式(encoding),是Unicode的一种表现方式。

在一个Java文件(该文件为UTF-8编码)里面写上这样一句话

char a = '猿';

编译后生成的class文件会把'猿'转化成Unicode的两字节。

理解字符集和字符编码的区别,有助于题主理解这些问题。


java char 在内存中只会使用 unicode 编码,所有其他编码只可能是在转换成 byte[] 之后才能具体体现。
utf-8 编码作为优化单字节文字的方案,在多字节文字中效果反而是变差的。就难中文来举例,使用 utf-16 进行编码时(也就是 java char 实际编码),只需要占用 2 byte。而在使用 utf-8 编码时,因为需要多几个 bit 来做标记位,反而需要占用 3 byte。这也就是为什么基于 utf-16 的 java char 存储中文的效果要比 utf-8 优秀。

【热门文章】
【热门文章】