Java 字符集 编码
Java默认的字符集是Unicode(占两个字节byte，一个字节=8比特位bit)
详解：
字符集 编码
Unicode 是「字符集」；UTF-8是「编码规则」(是使用最广的一种Unicode的实现方式)
字符集：为每一个字符分配一个唯一的ID(码位)
编码规则：将码位转换为字节序列的规则(用什么方式存储)
英文/字节
中文/字节
Utf-8(变长)
1
3
Utf-16
2
3-4
GBK
1
2
ISO8859-1
1
1
Unicode
2
2(标点也是)
ASCII
1
2
Java的处理方法：
编码问题存在两个方面：JVM之内和JVM之外。
1.编译器把Java文件编译后形成class
这里Java文件的编码可能有多种多样(可以为utf-8(常用))，但Java编译器会自动将这些编码按照Java文件的编码格式正确读取后产生class文件，这里的class文件编码是Unicode编码(具体说是UTF-16编码)。也就是说完成了从UTF-8编码的文件转成与平台无关的.class文件了，把UTF-8编码方式转成了Unicode。一旦编译成.class文件，就不用在乎关于我们程序源码的什么UTF-8编码了
因此，在Java代码中定义一个字符串String s="汉字";
不管在编译前java文件使用何种编码，在编译后成class后，他们都是一样的----Unicode编码表示。
2.JVM中的编码
在JVM内部，统一使用Unicode表示，当着字符从JVM内部移动到外部时(即保存为文件系统中的一个文件内容时)，就进行了编码转换，使用了具体的编码方案。因此也可以说，所有的编码转换只发生在边界的地方，也就是各种输入/输出流的起作用的地方。
JVM加载class文件读取时候使用Unicode编码方式正确读取class文件，那么原来定义的String s="汉字";在内存中的表现形式是Unicode编码。
问题
在java中，一个字符等于多少字节？
或者更详细的问：在java中，一个英文字符等于多少字节？一个中文字符等于多少字节？
Java采用unicode来表示字符，java中的一个char是2个字节，一个中文或英文字符的unicode编码都占2个字节，但如果采用其他编码方式，一个字符占用的字节数则各不相同。
代码验证如下：
public static voidmain(String[] args) {
String str= "测";char x = '测';byte[] byteStr =str.getBytes();byte[] byteChar =charToByte(x);
System.out.println("byteStr ：" + byteStr.length); //byteStr ：3
System.out.println("byteChar：" + byteChar.length); //byteChar：2
}//通过移位获取char类型的byte数组
public static byte[] charToByte(charc) {byte[] b = new byte[2];
b[0] = (byte) ((c & 0xFF00) >> 8);
b[1] = (byte) (c & 0xFF);returnb;
}获取系统编码
System.out.println("系统默认编码：" + System.getProperty("file.encoding")); //查询结果UTF-8
System.out.println("系统默认字符编码：" + Charset.defaultCharset()); //查询结果UTF-8
System.out.println("系统默认语言：" + System.getProperty("user.language")); //查询结果zh
getBytes()方法详解
另外解释一下上边使用的getBytes()方法
在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这表示在不同的操作系统下,返回的东西不一样!
1.str.getBytes(); 如果括号中不写charset，则采用的是Sytem.getProperty("file.encoding"),即当前文件的编码方式，
2.str.getBytes("charset");//指定charset，即将底层存储的Unicode码解析为charset编码格式的字节数组方式
3.String str=new String(str.getBytes("utf-8"),"gbk")); //将已经解析出来的字节数据转化为gbk编码格式的字符串，在内存中即为gbk格式的字节数组转为Unicode去交互传递
引申
问：
"a".getBytes("Unicode").length //结果为 4
上边已经说过Unicode一个字符占两个字节，这里为什么是4字节不是2字节？
为什么Unicode4个字节
使用for循环遍历得到的byte数组(还是使用字符 a )：
-2 -1 0 97
发现前边多了一个-2-1 ，这其实是一个字节的BOM标志。
UNICODE 是一种字符集，在Java中直接使用Unicode转码时会按照UTF-16LE的方式拆分，由于UTF-16分为UTF-16LE和UTF-16BE，也就是小端序和大端序，因此在网络传过程中，无法判断是LE还是BE 序的，因此需要加上一个额外的字节序 BOM 头。BOM头的字符是一个特殊的字符，其Unicode编码为U+FEFF，字符名为“ZERO WIDTH NON-BREAKING SPACE”，根据RFC2781 3.2节规定，开头两个字节为FE FF的称为Big-Endian，开头为FF FE的称为Little-Endian。
关于utf-16的解释：utf-16的方式包含2种字节序，Big Endian字节序和Little Endian字节序：
UTF-16 Big Endian：FEFF (没有含义在UCS-2中)，其中FEFF为标示码
UTF-16 Little Endian：FFFE (没有含义在UCS-2中),java默认选择Little Endian字节序
因此，你直接使用 Unicode 转换字节的话，也就是按UTF-16LE方式进行解码，会额外地加上BOM的两个字节FF FE。
解决办法：
可以使用UnicodeBigUnmarked编码
"a".getBytes("UnicodeBigUnmarked").length //结果为2
参考：
