java的中文到底占几个字节？

查了一大堆，糊里糊涂的。现在知道以下几点：

java采用unicode编码，占两个字节，编码范围是0x0000到0xFFFF，但一共才65536个数，怎么可能表达世界上所有语言文字呢，于是又冒出来一个增补码，占4个字节，范围是0x100000到0x10FFFF。
那么现在假设有一个中文，范围超出了65535，那么它到底是怎么编码的，占几个字节，是几个char？

通常我们会设置编码格式为UTF-8，中文在java中一个汉字表示两个字符，3个字节

    public static void main(String[] args) {
        String str = "测试";
        System.out.println(str.getBytes().length);
    }

输出： 6
对于不同的编码格式下所占用的字节数，可参考博客：
不同的编码格式下所占用的字节数

UTF-8三个
GBK两个

public static void main(String[] args) throws Exception{
    System.out.println("?".getBytes().length); // \u29100
    System.out.println("?".toCharArray().length);
    System.out.println("?".toCharArray()[0]);
    System.out.println("?".toCharArray()[1]);
    System.out.println("中".getBytes().length); // \u4E2D
    System.out.println("中".toCharArray().length);
}

输出：

自己测一下就明白了吧，“?”这个字就是你说的超过65535的汉字，在你的eclipse可能显示不出，你用eclipse的默认字体就能看到。

java虚拟机内部使用UTF-16来表示字符：

中：
UTF-16 ： 4E2D

?：
UTF-16 ： D864 DD00

但是一个char实际上是一个16位整数，最多只能表示65536(Character.MAX_VALUE==65535)个字符，所以“中”（2个byte==16位）是一个字符，而“?”（4个byte==32位）是两个字符。既然这么说为什么"中".getBytes().length输出3呢？前面我们讲的是JVM内部的表达方式，我写的这个程序的源文件是UTF-8编码的，UTF-8中一个中文字符是3个字节，不管你的java源代码用什么编码java编译器都会将其映射到UTF-16。
下面我们再写一个例子，这次的源代码我们尝试转成GBK试试：

为什么转不了？因为GBK不支持“?”，去掉不支持再转成GBK再运行：

public static void main(String[] args) throws IOException {
     System.out.println("中".getBytes().length); // \u4E2D
     System.out.println("中".toCharArray().length);
}

输出

2
1

如果楼主非要去追个究竟，我建议你下这篇文章

【热门文章】