我赌你不懂系列：char占几个字节

前言

我百度搜索“char占几个字节”，得到下面的答案：

image.png

char用于C或C++中定义字符型变量，只占一个字节，取值范围为 -128 ~ +127（-27~27-1）。

char类型占1字节，就是8位，所能存储的正整数是 0111 1111，即127。

显然这不是我们想要的结果，于是我继续搜索“java中的char占几个字节”

image.png

java中的char用于存放字符的数据类型，占用2个字节，采用unicode编码，它的前128字节编码与ASCII兼容,只不过有些字符需要两个char来表示。

为什么C或C++和java中的char占用字节数不相同？

有些字符需要两个char来表示又是什么意思？

百度百度，你真是让人摸不着头脑！

编码

在讨论这个问题之前，我们先对部分知识点做一下普及。

编码

首先我们都知道计算机中储存的信息都是用二进制数表示的，那怎么样让计算机存储我们人类用的汉字或英文呢？

比如如何将'a'转换为二进制存储到计算机中，称为编码；

而将存储在计算机中的二进制数解析显示出来，称为解码。

字符集

字符（Character）是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。字符集（Character set）是多个字符的集合，字符集种类较多，每个字符集包含的字符个数不同，常见字符集名称：ASCII字符集、GB2312字符集、BIG5字符集、 GB18030字符集、Unicode字符集等。

这是百度百科给的解释，反正就是字符集是一些字符的集合，字符集种类多，字符集中的字符数量也各不相同。

计算机要准确的处理各种字符集文字，需要进行字符编码，以便计算机能够识别和存储各种文字。

unicode

它的名字叫统一码， 也叫万国码，符号数量在不断增加，已超百万 。

在创造Unicode之前，有数百种编码系统。没有一个编码可以包含足够的字符,从它的名字就可以看出这是一种所有符号的编码，每一个符号都给予一个独一无二的编码，那么各个不同编码导致的乱码问题就会消失。

大多数计算机采用ASCII码（美国标准信息交换码），它是表示所有大小写字母、数字、标点符号和控制字符的7位编码方案。统一码（Unicode）包含ASCII码，'\u0000'到'\u007F'对应全部128个ACSII字符。

不禁让我感慨，有实力的人才能制定标准。

Unicode 只是一个符号集，它只规定了符号的二进制代码，仅仅提供字符与编号间映射，却没有规定这个二进制代码应该如何存储。
我们知道英文字母的编号特别小，用一个字节就完全能够表示，而unicode中的中文符号的编号就很大了，一个字节根本不行。
于是后面出现了unicode字符存储的多种实现方式，比如UTF-8,UTF-16等。
UTF-8 是在互联网上使用最广的一种 Unicode 的实现方式。
内码和外码

我们常说的java中的char占几个字节，应该是java中内码中的char。

内码是指java运行时，其char和string在内存中的编码方式；外码是程序与外部交互时外部使用的字符编码,比如序列化技术。
外码可以理解为：只要不是内码，那就是外码。
要注意的是，源代码编译产生的目标代码文件（可执行文件或class文件）中的编码方式属于外码。
JVM中内码采用UTF16。
UTF-16 的 16 指的就是最小为 16 位一个单元，也即两字节为一个单元。早期，UTF16采用固定长度2字节的方式编码，两个字节可以表示65536种符号（其实真正能表示要比这个少），足以表示当时unicode中所有字符。但是随着unicode中字符的增加，2个字节无法表示所有的字符，UTF16采用了2字节或4字节的方式来完成编码。Java为应对这种情况，考虑到向前兼容的要求，Java用一对char来表示那些需要4字节的字符。所以，java中的char是占用两个字节，只不过有些字符需要两个char来表示。
这里就解释了为什么有些字符需要两个char来表示的问题。

另外：Java的class文件采用UTF8来存储字符，也就是说，class中字符占1～6个字节。 Java序列化时，字符也采用UTF8编码，占1～6个字符。

length()

那再来一个问题：Java中的一个字符的String.length()是多少?

看过前面的知识点不能再张嘴就来回答是1吧......
写个demo看一下：虎年就用虎来测试吧，tigerUTF对对应unicode编码表示。

        String tiger = "🐅";
        String tigerUTF = "\uD83D\uDC05";
        System.out.println(tigerUTF);
        System.out.println(tiger.length()); //2
        System.out.println(tiger.codePointCount(0,tiger.length())); //1 

可以得出调用String.length()得到的结果为2,表示的是stirng的char数组占UTF-16格式的2个代码单元(即4个字节)，而不是有多少个字符。
当然我们想要获取多少个字符，可以使用codePointCount方法来获取。