1. .java 文件和 .class 文件的字符编码
java 源文件<small>(.java)</small>和编译后的 .class 文件的编码并不一样。
源文件 .java 可以采用多种编码格式,如
- UTF-8<small>(unix linux 平台默认)</small>。或者
- GBK<small>(windows 平台默认)</small>。
之所以有<small>(可以有)</small>多种编码格式,是因为源文件毕竟是给「人」看的,不是给 jvm 看的,它用什么编码格式 jvm 根本就不关心。
当将源码用 javac
编译的时候,默认是 javac
按照系统默认的编码格式读取 java 源文件,然后以 utf-8 的格式输出到 .class 文件中。
换句话说,在默认情况下
-
unix 平台,
javac
用 utf-8 格式读取 java 源文件 然后以 utf-8 格式写 .class; -
在默认情况下 windows 平台,
javac
用 gbk 格式读取 java 源文件然后以 utf-8 格式写 .class 。
所以,中文字符乱码的根本原因在于,你<small>(有意或无意)</small>没有使用默认编码规则存储 .java 文件,而 javac 却又是按照默认规则去读 .java 文件,这就出现了乱码。
例如, 在 windows 平台下用 utf-8 格式保存 java 源文件, 那么你在执行 javac 命令编译源文件时,你需要「告诉」javac 命令,你要编译的源文件的编码格式。否则,会有乱码问题。
2. Java 中字符串的长度
在 Java 中一个字符串的长度并「不能」简单地、想当然的想象成是其中所有字符数的累加和!
以下内容来自 stackoverflow 中的总结和解释
-
A Java char takes always 16 bits.
-
A Unicode character, when encoded as UTF-16, takes “almost always” (not always) 16 bits: that’s because there are more than 64K unicode characters. Hence, a Java char is NOT a Unicode character (though “almost always” is).
-
“Almost always”, above, means the 64K first code points of Unicode, range 0x0000 to 0xFFF (BMP), which take 16 bits in the UTF-16 encoding.
-
A non-BMP (“rare”) Unicode character is represented as two Java chars (surrogate representation). T