Java 中 Char 占多少字节

前言

我是 Porterxie，一个爱问为什么的程序员。今天要跟大家聊的话题是：Java 中 Char 占多少字节。

其实在学习 Java 基础类型的时候，我们就已经知道 “Char 占用 2 个字节” 这样一个结论。当然，今天想要聊不是这样一个结论，而是想挖一挖 Char 字节占用背后的故事。

分析

上文提到 “Char 占用 2 个字节” 结论。为了准确性，去 Oracle 官网进行了确认，截图如下：

文档中翻译过来就是：Char 只能表示 UTF-16 单元，即它们仅限于从\u0000到 的值\uffff。因此我们进一步理解下 UTF-16

UTF-16 简介

UTF-16 是 Unicode 的其中一个使用方式。UTF 是 Unicode Transfer Format的缩写，即把 Unicode 转做某种格式的意思。

简单来讲就是 Unicode 是一种字符编码标准，范围现在是 U+0000 到 U+10FFFF（在JDK 8 里面引用的Unicode 编码标准版本是 6.2）。如下图所示：

而 UTF-16 是编码方式的实现，同样 Unicode 的编码实现方式还有 UTF-8、UTF-32。关于 Unicode 的更多信息可以去 https://home.unicode.org/about-unicode/ 做更多了解。

UTF-16 特点

对于 Unicode 编号范围在 0 ~ FFFF 之间的字符，UTF-16 使用两个字节存储，并且直接存储 Unicode 编号，不用进行编码转换。

对于 Unicode 编号范围在 10000～10FFFF 之间的字符，UTF-16 使用四个字节存储，具体来说就是：将字符编号的所有比特位分成两部分，较高的一些比特位用一个值介于 D800 ～ DBFF 之间的双字节存储，较低的一些比特位（剩下的比特位）用一个值介于 DC00 ~ DFFF 之间的双字节存储 。

到这里相信大家已经明白了为什么 Char 字符是 2 个字节，同时也发现单个 Char 并不能表示所有的 Unicode 的字符，此时可以用到转义序列来表示，如下所示：

到这里，我们来看如下 Java 代码：

        String chineseCharacter = "好";
        byte[] byteValue = chineseCharacter.getBytes(StandardCharsets.UTF_16);
		System.out.println(byteValue.length);
        System.out.println(HexBin.encode(byteValue));

		String chineseCharacter2 = "好啊";
		byte[] byteValue2 = chineseCharacter2.getBytes(StandardCharsets.UTF_16);
		System.out.println(byteValue2.length);
		System.out.println(HexBin.encode(byteValue2));

		String enCharacter = "a";
		byte[] byteValue3 = enCharacter.getBytes(StandardCharsets.UTF_16);
		System.out.println(byteValue3.length);
		System.out.println(HexBin.encode(byteValue3));

输出结果如下：

从结果上看，大家肯定是充满疑惑，为什么字符串 a 长度是 4，按照上述分析，2 字节应该就可以表示，中文字符同理。
此处每一个字符串字节数组转 16 进制字符串之后，都有共同的前缀 FEFF。
这个是 UTF-16 的 BOM 信息。因为在编码字节时默认使用 Big Endian，因此前面包含 BOM，以便后续处理器可以知道使用了 Big Endian。如果不想显示的话，可以做如下修改：

        String chineseCharacter = "好";
        byte[] byteValue = chineseCharacter.getBytes(StandardCharsets.UTF_16BE);
		System.out.println(byteValue.length);
    System.out.println(HexBin.encode(byteValue));

		String chineseCharacter2 = "好啊";
		byte[] byteValue2 = chineseCharacter2.getBytes(StandardCharsets.UTF_16BE);
		System.out.println(byteValue2.length);
		System.out.println(HexBin.encode(byteValue2));

		String enCharacter = "a";
		byte[] byteValue3 = enCharacter.getBytes(StandardCharsets.UTF_16BE);
		System.out.println(byteValue3.length);
		System.out.println(HexBin.encode(byteValue3));

输出结果如下：

参考文档

• Oracle Java Language