Java程序中内部编码为UTF-16,每个字符占两个字节,这就是为什么java中char占用两个字节的原因(应该吧?)
什么是内码?内码就是程序执行时的程序自己识别用的编码方式。
什么是外码?除了内码就是外码咯,比如编程时转化编码等。
Java中getBytes()方法在缺省编码的时,默认使用的是UTF-8格式。
UTF-8是什么?UTF-8和UTF-16一样,是关于Unicode字符集的一种编码方式(规范、规则),那UTF-8跟UTF-16有什么区别嘞?简单点说就是UTF-8的储存空间是动态,在UTF-8编码格式下,一个字符可以是占1个字节、2个字节、3个字节、4个字节。关于UTF-8详细介绍:https://en.wikipedia.org/wiki/UTF-8。而UTF-16编码格式下,一个字符是固定占2个字节。
关于如何查看一个字符在Java堆中占用的空间,我们可以通过:
System.out.println(new String(new char[] {'H'}).getBytes('UTF-8').length)//控制台将会输出1
进行查看,实践过的同学也许会发现一个很奇怪的现象,当采用UTF-16编码时,控制台输出的会让你们惊讶:
System.out.println(new String(new char[] {'H'}).getBytes('UTF-16').length)//控制台将会输出4
为什么会输出4呢?因为UTF-16编码方式其实还有两个分支:UTF-16LE、UTF-16DE;这些分支跟标记的字节顺序有关,所以会多出两个字节用来表示顺序,关于这个问题详细介绍:http://blog.csdn.net/tianjf0514/article/details/7854624