java语言中，一个汉字是几个字符？

原文地址：java语言中，一个汉字是几个字符？ - 知乎

可能是2个、3个、4个字节。不同的编码格式占字节数是不同的，UTF-8编码下一个中文所占字节也是不确定的

代码如下：

public class EncodeTest {
    public static void main(String[] args) throws  UnsupportedEncodingException {
        String name = "中国nihao";
        System.out.println("UTF-8编码长度:" + name.getBytes("UTF-8").length);
        System.out.println("ASCII编码长度:" + name.getBytes("ASCII").length);
        System.out.println("GBK编码长度:" + name.getBytes("GBK").length);
        System.out.println("GB2312编码长度:" + name.getBytes("GB2312").length);
        System.out.println("==========================================");

        String c = "c";
        System.out.println("UTF-8编码长度:" + c.getBytes("UTF-8").length);
        System.out.println("ASCII编码长度:" + c.getBytes("ASCII").length);
        System.out.println("GBK编码长度:" + c.getBytes("GBK").length);
        System.out.println("GB2312编码长度:" + c.getBytes("GB2312").length);
        System.out.println("==========================================");
    }
}

>>> 结果如下：
UTF-8编码长度:11
ASCII编码长度:7
GBK编码长度:9
GB2312编码长度:9
==========================================
UTF-8编码长度:1
ASCII编码长度:1
GBK编码长度:1
GB2312编码长度:1
==========================================

java中理论上一个字符占用两个字节，可以推导下。

unicode编码是固定长度的16位，也就是2两个字节代表一个字符。Unicode只是一个编码规范，目前实际实现的unicode编码只要有三种：UTF-8,UCS-2和UTF-16，三种unicode字符集之间可以按照规范进行转换。

1. UTF-8

UTF-8就是在互联网上使用最广的一种Unicode的实现方式，是Unicode的实现方式之一。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~6个字节表示一个符号，根据不同的符号而变化字节长度。

关于UTF-8，汉字占几个字节的问题

占2个字节的：〇（〇有两个读音 xīng líng，（一） xīng 同“星”；（二） líng 同“零”。）

占3个字节的：基本等同于GBK，含21000多个汉字

占4个字节的：中日韩超大字符集里面的汉字，有5万多个

一个utf8数字占1个字节

一个utf8英文字母占1个字节

2. ASCII码

在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从0000000到11111111。

ASCII码一共规定了128个字符的编码（0 000 0000–0 111 1111），比如空格”SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

3. GB2312又称国标码

GB2312由国家标准总局发布，1981年5月1日实施，通行于大陆。它是一个简化字的编码规范，当然也包括其他的符号、字母、日文假名等，共7445个图形字符，其中汉字占6763个。我们平时说6768个汉字，实际上里边有5个编码为空白，所以总共有6763个汉字。

4. GBK是GB2312的扩展

GBK是向上兼容的，因此GB2312中的汉字的编码与GBK中汉字的相同，GBK中还包含繁体字的编码。

GBK中每个汉字仍然包含两个字节，第一个字节的范围是0x81-0xFE（即129-254），第二个字节的范围是0x40-0xFE（即64-254）。GBK中有码位23940个，包含汉字21003个。