【Java】为什么char占两个字符却能存汉字

最新推荐文章于 2023-05-10 00:31:23 发布

Java否极泰来

最新推荐文章于 2023-05-10 00:31:23 发布

阅读量1.9k

点赞数 4

分类专栏： Java基础文章标签： java 开发语言后端

本文链接：https://blog.csdn.net/qq_17366909/article/details/121704719

版权

12 篇文章 0 订阅

订阅专栏

问题：Java的char占两个字节，而汉字的UTF-8编码需要至少三个字节，为什么char可以存储汉字？

参考：https://blog.csdn.net/u010297957/article/details/48495791

字符集起源ASCII（American Standard Code for Information Interchange，美国标准信息交换代码），这是个单字节编码表，它能最多能表示256个字符（但实际上只用了7bit，128个。ISO8859-1使用8bit来表示，能表示256）。
随着时间的发展，其它语言的人民也需要使用计算机，也需要编码自己的语言，很多国家和地区就各自使用了2个字节来表示自己的文字编码，如GBK、BIG5等。这种方式当然会造成不同语言编码和解码的混乱和错误，人们意识到需要一个统一的码表来囊括世界上所有的字符，从而实现编码的统一。
Unicode的出现解决了这个问题。它用2~4个字节的空间描述了已知的接近全部的字符，Unicode计划使用17个平面，一共有17*65535=1,114,112个码位。通常使用的plane 0也就是UCS-2，使用2个字节描述了比较常用的字符，包括大量的CJK文字，所以大家平常能用到的字符大体都在UCS-2中包括了

事实证明，对可以使用ASCII表示的字符使用Unicode并不高效，因为Unicode使用2个字节。为了解决这个问题，出现了一些中间格式字符集，被称为通用转换格式。可以这么说Unicode是编码方式，它规定了编码（即哪个字符在什么码位），而UTF-8等是Unicode的实现方式，它出于节省空间或其它目的来对Unicode所占空间进行转换。
使用1_{4个字节来编码，如，当时用UTF-8存储ASCII字符时就只用1个字节，相似其它字符按一定算法转换为1}4个字节。

*java中的**char**确实使用2Byte空间，它实际使用的是UCS-2 也就是plane 0，只能表述65536个字符*
对于超出其范围的其它plane内容，编译器会直接报错！
尽量别用char类型，因为它会导致一些隐蔽的错误。比如，当你在用String时你定义了一个其它plane的字符，你想当然的认为一个char就能盛放String中的一个字符（毕竟char是字符，而String就是描述的char数组），但是你会发现其实这个String的length()是2而不是1，因为它超出了UCS-2，String用两个char的位置（4字节）来表示了这个char，而String本该用一个char的位置来表示它才对。

String在Java中是被定义为char数组来组织的，所以你定义的String最终要被转换成char来存放，但是，不要认为超出char的65536就不能存了，如果超出了它会用2个char来存放
无论.java文件你用GBK或者UTF-8来编码，编译器在将其编译为.class文件后，如果其中有字符串，会使用UTF-8来编码存储字节，占用1-4Byte

char可以存储汉字是因为char使用的是unicode编码，且仅使用plane0中包含的字符。unicode的plane0占用两个字节，因此char也占两个字节。
超出plane0的字符写到char中会报错，但是可以写到String中，占用两个char。

关注