Unicode和UTF-8编码

ASCII是用来表示英文字符的一种编码规范，每个ASCII字符占用1个字节（8bits）。

【UTF-8和Unicode的区别】

unicode是定长编码，每个字符都是2 byte，所以在存储ascii时会浪费一个byte的空间。而utf-8是变长unicode编码，在unicode编码基础上进行变长，在存储ascii时只占用一个byte；存储中文时占用3 byte。

在JAVA中，char型变量是用来存储Unicode编码的字符，Unicode编码占用两个字节；所以，char类型的变量也是占用两个字节。（两个字节表示一个字符）

Unicode编码字符集中包含了汉字，所以，char型变量中也可以存储汉字。

通常我们说的字节是指byte，还有一个"位"的概念(bit)；通常情况下1 byte=8 bit。

代码：

String str = "测试";
byte[] b = str.getBytes();
System.out.println(b.length);
System.out.println(str.toCharArray().length);

结果：

6
2

从结果可以看出，占6个byte，占2个char。那么你可能会问为什么是3个byte？Java是用unicode来表示字符，一个中文字符的unicode就是2个字节。

其实，String.getBytes(encoding)方法是获取指定编码的byte数组表示，通常gbk/gb2312是2个字节，utf-8是3个字节。如果不指定encoding则取系统默认的encoding。