一个汉字到底占几个字节

原文地址:一个汉字占多少个字节我错了20年 一个中文需要两个字节

总结:这和编码有关,UTF8一个汉字占3个字节,GBK一个汉字占2个字节。

当我上第一节计算机课的时候,我的电脑老师跟我说,一个英文字符是1个字节,一个中文是2个字节。这么多年来,我对此一直坚信不移,相信很多人也是这么觉得的,但是,真实情况下是这么一回事么?

要了解这个问题,我们首先得从字节说起,什么是字节呢?要知道,在计算中,底层都是晶体管的开关和关闭状态,我们把一个表示开关状态的称之为位,把八位称之为一个字节,也就是一个字节可以表示(00000000-11111111),也就是0到255。为什么是8位呢?因为字符实际上还不到128个,按道理7位就够了,一个说法是程序员也比较迷信,认为7是个不吉利的数字,另一种说法,8刚好是2^3的方,更容易计算机去理解。

ASCII(美国信息交换标准代码)是美国人用来对拉丁字符进行的编码。因为计算机是美国人发明的,所以他们也没考虑其他国家可能也要用到计算机。下面是一个ASCII编码的对应表。
在这里插入图片描述

后来随着计算机的发展,一些不是拉丁字母的国家也开始用计算机了,发现一个字节只能表示256个字符,这明显不够,像我们汉字博大精深,常用的都有几千个,于是常见的中文的编码==GB2312(国家简体中文字符集)==就出现了。GB2312用两个字节来表示一个汉字,例如学习的学,对应的编码就是10010010 0000111。这也就是小时候我们的电脑老师跟我们说的,在计算机中,英文字母占1个字节,汉字占2个字节。

随着互联网的继续发展,不同的国家,不同的语言都用着不同的编码,每当不同的人进行交流,都要先知道对方用的是什么编码,这往往就造成了沟通的成本,而且经常因为编码错误造成各种乌龙。于是,国际上就定一了一种全新的编码方法,全世界所有的字符、文字都有对应的一个编码,以后,就不需要转化成不同的编码了,这便是Unicode编码。Unicode编码使用4个字节来描述一个字符,每个字节8位,理论上就能表示2^32个不同的字符,全世界的字符都没这么多。

但随之又引来一个问题,原先一个英文字符需要1个字节,一个中文需要两个字节,现在需要4个字节,相当于存储变大了。这给网络传输、系统存储都带来了一定的成本。这个时候,人们觉得压缩一下,于是提出了UTF8,UTF16这样的表示方法。

UTF8我们最经常使用,怎么表示呢?对于一个汉字,例如上述学习的学字在Unicode编码中表示为00000000 00000000 01011011 01100110。很明显,前面字节都是0,非常的浪费,最好是能够把它压缩起来,又能让别人知道它原来对应的就是四个字节,怎么办呢?UTF8就是为了解决这个问题,对于原来是双字符的中文,会变成3个字节,第一个字节以1110开头,后面两个以10开头。剩下的16位分摊到这3个字节当中。图中便是这个学字如何从Unicode编码转成utf8编码。

在这里插入图片描述

### 中文字符用的字数与编码 中文字符在不同的编码方式下所的字数有所不同。以下是几种常见的编码方式及其对应的字用情况: #### ASCII 编码 ASCII 是一种用于表示英文字符的标准编码方案,在该编码中,仅能表示 128 种字符(0~127 的范围),因此不支持中文字符。如果尝试用 ASCII 表示中文,则会超出其定义范围[^1]。 #### GBK 和 GB2312 编码 GBK 和 GB2312 都是中国国家标准化管理委员会制定的简体中文编码标准。其中: - **GB2312** 支持大约 6000 多个常用汉字,每个汉字用两个字。 - **GBK** 则是对 GB2312 的扩展版本,能够支持更多的汉字以及其他语言字符,同样每个汉字用两个字[^2]。 #### UTF-8 编码 UTF-8 是一种可变长度的字符编码方式,广泛应用于互联网上。对于中文字符而言: - 常见的中文字符通常位于 BMP 平面内,这些字符会被编码为三个字的形式。 - 如果涉及到一些生僻字或者特殊符号,可能会使用四个甚至更多字来表示[^4]。 #### Unicode (UCS-2/UTF-16) Unicode 提供了一种统一的方式来处理世界上几乎所有的书写系统。具体来说: - 在 UCS-2 或者基本实现形式下的 UTF-16 中,大多数现代使用的汉字可以由固定宽度的两个十六位单位即两个字表达出来;但是当遇到超过 U+FFFF 范围之外的大字符集成员时,则需要用到代理对机制从而据总共四个字的空间[^3]。 ```java // Java 示例展示如何获取单个字符所需字数 public class Main { public static void main(String[] args) throws Exception{ String chineseChar = "汉"; System.out.println(chineseChar.getBytes("UTF-8").length); // 输出结果应为3 System.out.println(chineseChar.getBytes("GBK").length); // 输出结果应为2 } } ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值