主要区分清楚内码(internal encoding)和外码(external encoding)就好了。
内码是程序内部使用的字符编码,特别是某种语言实现其char或String类型在内存里用的内部编码;
外码是程序与外部交互时外部使用的字符编码。“外部”相对“内部”而言;不是char或String在内存里用的内部编码的地方都可以认为是“外部”。例如,外部可以是序列化之后的char或String,或者外部的文件、命令行参数之类的。
Java语言规范规定,Java的char类型是UTF-16的code unit,也就是一定是16位(2字节);
然后字符串是UTF-16 code unit的序列:
这样,Java规定了字符的内码要用UTF-16编码。或者至少要让用户无法感知到String内部采用了非UTF-16的编码。
“感知”可以是多方面的,例如随机访问某个下标的code unit(String.charAt())应该是O(1)操作,这只有使用UTF-16或者别的“定长”编码才可以做到。注意我这里说的“定长”特指code unit定长,而不是说code point定长。
String.getBytes()是一个用于将String的内码转换为指定的外码的方法。无参数版使用平台的默认编码作为外码,有参数版使用参数指定的编码作为外码;将String的内容用外码编码好,结果放在一个新byte[]返回。
内码是程序内部使用的字符编码,特别是某种语言实现其char或String类型在内存里用的内部编码;
外码是程序与外部交互时外部使用的字符编码。“外部”相对“内部”而言;不是char或String在内存里用的内部编码的地方都可以认为是“外部”。例如,外部可以是序列化之后的char或String,或者外部的文件、命令行参数之类的。
Java语言规范规定,Java的char类型是UTF-16的code unit,也就是一定是16位(2字节);
然后字符串是UTF-16 code unit的序列:
这样,Java规定了字符的内码要用UTF-16编码。或者至少要让用户无法感知到String内部采用了非UTF-16的编码。
“感知”可以是多方面的,例如随机访问某个下标的code unit(String.charAt())应该是O(1)操作,这只有使用UTF-16或者别的“定长”编码才可以做到。注意我这里说的“定长”特指code unit定长,而不是说code point定长。
String.getBytes()是一个用于将String的内码转换为指定的外码的方法。无参数版使用平台的默认编码作为外码,有参数版使用参数指定的编码作为外码;将String的内容用外码编码好,结果放在一个新byte[]返回。
String a = "我q";
int size = a.getBytes().length;
System.out.println(size);
int len1 = a.getBytes("ISO8859-1").length;
System.out.println("ISO8859-1: "+len1);
int len2 = a.getBytes("GB2312").length;
System.out.println("GB2312: "+len2);
int len = a.getBytes("GBK").length;//输出8
System.out.println("GBK: "+len);
System.out.println("UTF-8:" + a.getBytes("UTF-8").length);
System.out.println("UTF-16:" + a.getBytes("UTF-16").length);
System.out.println("Unicode:" + a.getBytes("Unicode").length);
6(系统默认)
ISO8859-1: 2
GB2312: 3
GBK: 3
UTF-8:4
UTF-16:6
Unicode:6