java中编码问题以及char的编码存放问题

1. 汉字编码

一个汉字在 UTF-8编码下占3个字节

System.out.println(new String("字").getBytes("UTF-8").length);//输出3

一个汉字在 GBK编码下占2个字节

System.out.println(new String("字").getBytes("GBK").length);//输出2

一般情况下 一个汉字在 UTF-16编码下占2个字节

System.out.println(new String("字").getBytes("UTF-16BE").length);//输出2
System.out.println(new String("字").getBytes("UTF-16LE").length);//输出2

特殊情况下 一个汉字在 UTF-16编码下占4个字节

System.out.println(new String("𤭢").getBytes("UTF-16BE").length);//输出4
System.out.println(new String("𤭢").getBytes("UTF-16LE").length);//输出4

这里涉及到UTF-16编码的BOM问题。参考

2. char

java中 char为2个字节， 是 UTF-16 编码的，并且只能存放 UTF-16 编码下只占 2 字节的字符，否则会乱码