中文字符的字节数

中文字符的字节数

Java语言中，中文字符所占的字节数取决于字符的编码方式，一般情况下，采用ISO8859-1编码方式时，一个中文字符与一个英文字符一样只占1个字节；采用GB2312或GBK编码方式时，一个中文字符占2个字节；而采用UTF-8编码方式时，一个中文字符会占3个字节。我们可以通过String类的getBytes(String charsetName)方法来获取到字符串以指定编码方式编码后所得到的字节数组，然后字节数组的长度就是该字符串在指定编码方式下所占的字节数。
下面为一个测试示例：

public static void main(String []args) throws UnsupportedEncodingException  {
	// 运行结果：2
	System.out.println("测试".getBytes("ISO8859-1").length);
	// 运行结果：4
	System.out.println("测试".getBytes("GB2312").length);
	// 运行结果：4
	System.out.println("测试".getBytes("GBK").length);
	// 运行结果：6
	System.out.println("测试".getBytes("UTF-8").length);
}

注意： String类的不带参数的getBytes()方法会以程序所运行平台的默认编码方式为准来进行转换，在不同平台下就会有不同的结果，因此建议使用指定编码方式的getBytes(String charsetName)方法。

getBytes方法

getBytes用于获取任意内容的字节数组,比如如下获取中文字符的字节数组

 //Encodes this String into a sequence of bytes using the platform's default charset, storing the result into a new byte array.
        byte[] bytes = "测试".getBytes();
        System.out.println(Arrays.toString(bytes));
        System.out.println(bytes.length);//6

可以传入一个参数,字符集编码,不传就是系统默认的

		byte[] bytes = "测试".getBytes("GBK");
        System.out.println(Arrays.toString(bytes));//[-78, -30, -54, -44]
        System.out.println(bytes.length);//4

再比如

        byte[] bytes = "测试".getBytes("UTF-8");
        System.out.println(Arrays.toString(bytes));[-26, -75, -117, -24, -81, -107]
        System.out.println(bytes.length);//6

源码

public byte[] getBytes() {
        return StringCoding.encode(value, 0, value.length);
    }

总结

• getBytes方法用于返回字符串的字节数组
• 中文字符GBK编码时,一个字符2个字节,UTF-8编码时,一个字符3个字节