Java编码

最新推荐文章于 2021-02-25 10:42:04 发布

原创最新推荐文章于 2021-02-25 10:42:04 发布 · 461 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#java #编码

java 专栏收录该内容

13 篇文章

订阅专栏

之前看到有人说Java中汉字占两字节，现在就来纠正一下这个错误。

首先，这个问题依赖具体的编码格式：
GBK：

public class Main {
    public static void main(String[] args) {
        System.out.println("GBK编码："+"学习".getBytes().length);
        System.out.println("GBK编码："+"Java".getBytes().length);
    }
}

输出结果：这里写图片描述
由结果可以看出，GBK编码，一个汉字占两个字节
UTF-8：

public class Main {
    public static void main(String[] args) {
        System.out.println("UTF-8编码："+"学习".getBytes().length);
        System.out.println("UTF-8编码："+"Java".getBytes().length);
    }
}

这里写图片描述
由结果可以看出，UTF-8编码，一个汉字占3个字节

2.一共有多少汉字？
据说，《中华字海》是收录汉字最多的大型字书，共收录楷书汉语单字85568个。
但是，2^16=65536，GBK不可能收录所有的汉字（当然汉字也收录不完，因为会被一直创造），日常生活也用不了8万多汉字。
1995年的汉字扩展规范GBK1.0包含21886个符号，它分为字符区和图形符号区。字符区包括21003个字符。
具体关于汉字编码的问题，可以查看以下链接：
http://zhidao.baidu.com/link?url=jtHQLRqdtpERRYikquNzmChiOnCV2KfPjUCRI4jxhhSRkeZLd4sW44_sy9zETamJbgH4f3Ih1Y3EPZZkvkV96q
3.UTF-8与Unicode的关系
UTF-8是Unicode的实现方式之一，它规定了字符如何在计算机中存储、传输等,详情可查看一下链接：
http://alexiter.iteye.com/blog/1533109

Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
——————–+———————————————
0000 0000–0000 007F | 0xxxxxxx
0000 0080–0000 07FF | 110xxxxx 10xxxxxx
0000 0800–0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000–0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx