为什么是汉字 而不是日语呢?或者韩语?汉字也不止一万个把?
Java中的char表示的一个字符,而Java使用的字符集是unicode,unicode使用一个16位的数值表示一个字符,支持6W个字符,但是目前已经达到了10W了,所以应该是不止16位,但是超过16位后面的字符很少用到,所以被忽略了吧。
由于unicode是16位,对应2个字节,所以Java的char被认为是占2个字符的,其实并不是这样,Java使用unicode字符集,编码格式使用的是utf-8,所以一个char在存储是长度是不固定的。
可以看下面的代码输出情况:
System.out.println("a:" + Arrays.toString(String.valueOf('a').getBytes("utf-8")));
System.out.println("ц:" + Arrays.toString(String.valueOf('ц').getBytes("utf-8")));
System.out.println("中:" + Arrays.toString(String.valueOf('中').getBytes("utf-8")));
System.out.println("�:" + Arrays.toString(String.valueOf('�').getBytes("utf-8")));
更新,多谢楼上友情指出,此处回复存在问题。现更新如下:
Java在内存中存储一个字符使用的是UTF-16编码,而UTF-16一开始是固定2个字节,但是Unicode渐渐发展,16位已不够使用,所以UTF-16也变成不定长了。但是Java的char依旧保留固定为2个字节,具体怎么表示那些超过16位的unicode字符,java有给出方案,有兴趣可自行查阅API。
因为string -> char[] 对应的也是byte[]啊
一个byte不够3个不就够了
建议你去看看unicode、utf-8是什么东西
你理解错了byte
它是一个整形类型!不是对字符的,并且它只有1个字节!
Java有四种整形,byte, short, int, long
长度分别是1字节(8比特),2字节(16比特),4字节(32比特)和8字节(64比特)
如果从String转换成byte[]存储的也是某字符编码下的原始的二进制数据,不是字符
然后Java的String内存储的字符串使用的是Unicode编码(默认使用UTF16编码),Unicode是可扩展的,不过目前大部分情况下UTF16只用到了2个字节,详细你可以看wikipedia上unicode的介绍
https://zh.wikipedia.org/wiki/Unicode#Unicode.E7.9A.84.E7.BC.96.E7.A0.81.E5.92.8C.E5.AE.9E.E7.8E.B0
现代编程语言都内置支持Unicode, 所以他的char并不是你理解的byte. 至于char选择什么哪种Unicode编码实现, 这就是实现的问题.
比如在C++里面就选择了UTF16或者UTF32来实现, C#里面就是UTF16, Java貌似也是UTF16.
一个UTF32可以表达Unicode所有字符, 所以是定长编码; 剩下的所有编码, 都是变长编码, 都需要多个单元来表示一个完整的字符.
详细的可以去知乎看RFX的回答, 他是Java/JVM专家.
http://www.zhihu.com/question/27562173