本文深入探讨了java中`char`类型和`string`对象在内存中的字节占用差异。`char`类型固定占用2字节，采用utf-16编码表示单个unicode字符单元。而`string`对象通过`getbytes()`方法转换为字节数组时，其长度取决于所选的字符编码（charset），如utf-8、utf-16等，而非简单的字符数量乘以2。理解这一核心区别对于正确处理字符串的存储与传输至关重要。
Java中char的本质：Unicode与UTF-16
在Java中，char是一种原始数据类型，用于表示单个字符。它固定占用2个字节（16位），能够存储一个Unicode字符单元。Java内部默认使用UTF-16编码来表示char。这意味着，无论你存储的是英文字母、数字还是中文字符，一个char变量在内存中总是占据2个字节。
例如，字符’a’、’€’（欧元符号）或’中’，在作为char类型存储时，都将占用2个字节。然而，需要注意的是，有些Unicode字符（如某些不常用的辅助平面字符）需要两个char（即一个代理对）才能完整表示。
String对象的内部存储与字符编码
String对象在Java中用于存储文本序列。它内部以Unicode字符序列的形式表示文本，其核心是基于UTF-16编码的char数组（或在Java 9及更高版本中，根据内容优化为byte数组）。然而，当我们谈论String的字节长度时，往往指的是将其转换为字节数组（byte[]）后的长度，这涉及到字符编码（Charset）的概念。
String.getBytes()方法是实现这种转换的关键。它将String对象中存储的Unicode字符序列按照指定的字符编码方案转换为一个字节序列。如果没有指定字符编码，它将使用Java虚拟机默认的字符编码。
立即学习“Java免费学习笔记（深入）”；
字符编码（Charset）对字节长度的影响
字符编码是决定String转换为byte[]后长度的核心因素。不同的编码方案对同一个字符的字节表示方式可能完全不同。
以下是一些常见的字符编码及其对字符串字节长度的影响：
UTF-16 (Unicode Transformation Format – 16 bit):
Java char的内部表示方式。每个基本多语言平面（BMP）字符占用2字节。包含字节顺序标记（BOM）时，可能会额外增加2个字节。例如，字符串”a”在UTF-16编码下通常为2字节（不含BOM）。字符串”ruĝa”（4个字符）在UTF-16编码下通常为8字节。
UTF-8 (Unicode Transformation Format – 8 bit):
一种变长编码，广泛用于网络传输和文件存储。ASCII字符（如英文字母、数字）占用1字节。大部分欧洲字符占用2字节。中文字符通常占用3字节。例如，字符串”a”在UTF-8编码下为1字节。字符串”ruĝa”在UTF-8编码下为5字节（r, u, a各1字节，ĝ为2字节）。
单字节编码 (如Latin-1/ISO-8859-1):
每个字符占用1字节。只能表示有限的字符集（通常是西欧语言）。如果字符串中包含无法用该编码表示的字符，这些字符可能会被替换为问号?或特殊字符，导致信息丢失。例如，字符串”ruĝa”在Latin-1编码下可能无法正确表示ĝ，导致编码失败或字符丢失。
示例代码：char与String.getBytes()的字节长度对比
下面的代码示例清晰地展示了char的固定2字节特性与String.getBytes()方法根据不同字符编码产生不同字节长度的行为。
import java.nio.charset.Charset;import java.nio.charset.StandardCharsets;public class CharAndStringBytes { public static void main(String[] args) { // 1. char 类型占用字节数 // char 总是占用2个字节（UTF-16编码单元） char c = 'c'; // 无法直接获取 char 的字节数组长度，但其内存占用是固定的2字节。 // 如果要将其转换为字节数组，通常需要通过 String 转换。 System.out.println("一个 char 类型变量 'c' 在内存中占用: 2 字节 (UTF-16)"); // 2. String.getBytes() 方法的字节长度 String testString = "a"; String complexString = "ruĝa"; // 包含非ASCII字符 String chineseString = "你好"; // 中文字符 // 使用默认字符编码 System.out.println("n--- 使用默认字符编码 ---"); System.out.println("字符串 "" + testString + "" 的默认编码字节长度: " + testString.getBytes().length); System.out.println("字符串 "" + complexString + "" 的默认编码字节长度: " + complexString.getBytes().length); System.out.println("字符串 "" + chineseString + "" 的默认编码字节长度: " + chineseString.getBytes().length); System.out.println("当前系统默认字符编码: " + Charset.defaultCharset().displayName()); // 使用UTF-8编码 System.out.println("n--- 使用UTF-8编码 ---"); System.out.println("字符串 "" + testString + "" 的UTF-8字节长度: " + testString.getBytes(StandardCharsets.UTF_8).length); // 'a' -> 1 byte System.out.println("字符串 "" + complexString + "" 的UTF-8字节长度: " + complexString.getBytes(StandardCharsets.UTF_8).length); // 'r','u','a' (1 byte each), 'ĝ' (2 bytes) -> 5 bytes System.out.println("字符串 "" + chineseString + "" 的UTF-8字节长度: " + chineseString.getBytes(StandardCharsets.UTF_8).length); // '你','好' (3 bytes each) -> 6 bytes // 使用UTF-16编码 System.out.println("n--- 使用UTF-16编码 ---"); // UTF-16编码通常会包含一个BOM（Byte Order Mark），占用2字节。 // 除非使用 StandardCharsets.UTF_16BE 或 StandardCharsets.UTF_16LE System.out.println("字符串 "" + testString + "" 的UTF-16字节长度 (含BOM): " + testString.getBytes(StandardCharsets.UTF_16).length); // 'a' (2 bytes) + BOM (2 bytes) -> 4 bytes System.out.println("字符串 "" + complexString + "" 的UTF-16字节长度 (含BOM): " + complexString.getBytes(StandardCharsets.UTF_16).length); // 'r','u','ĝ','a' (2 bytes each) + BOM (2 bytes) -> 10 bytes System.out.println("字符串 "" + chineseString + "" 的UTF-16字节长度 (含BOM): " + chineseString.getBytes(StandardCharsets.UTF_16).length); // '你','好' (2 bytes each) + BOM (2 bytes) -> 6 bytes // 不含BOM的UTF-16BE (Big Endian) 编码 System.out.println("字符串 "" + testString + "" 的UTF-16BE字节长度 (无BOM): " + testString.getBytes(StandardCharsets.UTF_16BE).length); // 'a' (2 bytes) -> 2 bytes System.out.println("字符串 "" + complexString + "" 的UTF-16BE字节长度 (无BOM): " + complexString.getBytes(StandardCharsets.UTF_16BE).length); // 'r','u','ĝ','a' (2 bytes each) -> 8 bytes }}
运行上述代码，你将观察到：
char类型变量的内存占用是固定的2字节。testString.getBytes().length在默认编码为UTF-8时是1字节，而在UTF-16BE下是2字节。complexString和chineseString在不同编码下有显著的字节长度差异。
Java 9+ String内存优化
从Java 9开始，String的内部实现进行了一项优化，引入了“紧凑字符串”（Compact Strings）。如果一个String对象只包含Latin-1字符（即每个字符可以用一个字节表示），那么它将不再使用char[]（2字节/字符），而是使用byte[]（1字节/字符）来存储，从而节省内存。
然而，对于包含非Latin-1字符（如中文字符、特殊符号等）的字符串，String仍然会使用char[]（或等效的2字节/字符存储）。开发者不应依赖这种内部实现细节来计算字符串的字节长度，尤其是在进行I/O操作或网络传输时，始终应明确指定字符编码。
总结与注意事项
char是固定2字节（UTF-16编码单元）：在Java中，一个char原始类型变量始终占用2个字节，用于表示一个UTF-16编码单元。String.getBytes()长度取决于Charset：String对象通过getBytes()方法转换为字节数组时的长度，完全取决于所使用的字符编码。一个字符可能占用1、2、3甚至4个字节，这取决于其Unicode码点和所选的编码方案。明确指定字符编码：在进行字符串与字节数组之间的转换时，始终推荐明确指定字符编码，例如使用string.getBytes(StandardCharsets.UTF_8)或new String(byteArray, StandardCharsets.UTF_8)，以避免平台默认编码不一致导致的乱码问题。Unicode码点与char数量：一个Unicode码点可能由一个char表示（BMP字符），也可能由两个char表示（代理对）。因此，字符串的字符数（String.length()）不一定等于其Unicode码点数。内存占用与编码长度：不要混淆String对象在JVM内部的内存占用（通常是char数组或优化的byte数组）与String.getBytes()方法返回的字节数组的长度。后者是数据传输和存储时需要关注的重点。
理解这些基本概念，能够帮助开发者在Java中更准确、更安全地处理文本数据，避免常见的编码陷阱。
以上就是Java中char与String的字节表示：从Unicode到字符编码的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/199426.html
微信扫一扫 
支付宝扫一扫 
