java的char類型，只有兩個字節，為什么可以存儲漢字？java中 char詳解

我自己出了一道面試題，如下：

    public static void main(String[] args) {
        char a = '9';
        char b = 9;
        char c = '我';
        System.out.println(Integer.valueOf(c));//輸出為 25105
    }
請根據本頁面右側編碼資料（ASCII碼），回答以上Java代碼【運行】后，a，b，c 依次在內存中 如何 存儲的？

 

 

這道題就是考察之前說的字節與字符，這道題若知道原理的可以快速 利用 asc碼和計算器，迅速得出答案。

A: java 是 unicode ，通常我們說 UTF-16 就是 unicode ，但是經過我的測試 UTF-16 又分：UTF-16BE     和 UTF-16LE 兩種，java 采用的是 UTF-16BE; 既然是unicode 中文肯定可以存了。

C: 這項中文故意放了3個字節，通常人都會犯UTF-8的錯誤，我認為.java文件你可以保存為UTF-8編碼的，編譯成中間文件 .class 你也可以編譯成UTF-8編碼的，但是程序運行時就是以unicode為准，即運行時，char a = 'a'就是在內存中 占用2個字節。

D：原因同a

 

 

 

 

 

 

 

這篇文章與我猜想的一致，已經很充分的說明了問題：https://www.cnblogs.com/louiswong/p/6062417.html

.java .class 保存時 可以保存為 utf-8編碼，但是運行時一定是 unicode編碼。

    pom.xml里的 如下配置都是指外碼。

    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding> .java 的外碼 編碼
    <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding> 日志的外碼 編碼
    <maven.compiler.encoding>UTF-8</maven.compiler.encoding> .class 的外碼 編碼

 

 -----------------------------------------------------------------------------------

在討論這個問題之前，我們需要先區分unicode和UTF。

1. unicode ：統一的字符編號，僅僅提供字符與編號間映射。符號數量在不斷增加，已超百萬。詳細：[https://zh.wikipedia.org/zh-cn/Unicode]
2. UTF ：unicode轉換格式 (unicode transformation format) 。定義unicode中編號的編碼方式。utf8和utf16便是其中兩種實現方式。其中utf8為變長表示，長度可能時1～6個字節；utf16為變長表示，長度可能是2或4個字節。詳細：UTF8 [https://zh.wikipedia.org/zh-cn/UTF-8] UTF16 [https://zh.wikipedia.org/zh-cn/UTF-16]

接着，要分清內碼（internal encoding）和外碼（external encoding）。

1. 內碼 :某種語言運行時，其char和string在內存中的編碼方式。
2. 外碼 :除了內碼，皆是外碼。

要注意的是，源代碼編譯產生的目標代碼文件（可執行文件或class文件）中的編碼方式屬於外碼。

先看一下內碼
JVM中內碼采用UTF16。早期，UTF16采用固定長度2字節的方式編碼，兩個字節可以表示65536種符號（其實真正能表示要比這個少），足以表示當時unicode中所有字符。但是隨着unicode中字符的增加，2個字節無法表示所有的字符，UTF16采用了2字節或4字節的方式來完成編碼。Java為應對這種情況，考慮到向前兼容的要求，Java用一對char來表示那些需要4字節的字符。所以，java中的char是占用兩個字節，只不過有些字符需要兩個char來表示。
詳細：
[https://docs.oracle.com/javase/tutorial/i18n/text/unicode.html]
[http://www.zhihu.com/question/27562173]

外碼
Java的class文件采用UTF8來存儲字符，也就是說，class中字符占1～6個字節。
Java序列化時，字符也采用UTF8編碼，占1～6個字符。

總結：

1. java中內碼（運行內存）中的char使用UTF16的方式編碼，一個char占用兩個字節，但是某些字符需要兩個char來表示。所以，一個字符會占用2個或4個字節。
2. java中外碼中char使用UTF8的方式編碼，一個字符占用1～6個字節。
3. UTF16編碼中，英文字符占兩個字節；絕大多數漢字（尤其是常用漢字）占用兩個字節，個別漢字（在后期加入unicode編碼的漢字，一般是極少用到的生僻字）占用四個字節。
4. UTF8編碼中，英文字符占用一個字節；絕大多數漢字占用三個字節，個別漢字占用四個字節。

EOF