char

Java基本数据类型之一，使用’ ’ 括起来，用于表示单个字符。Java中char是两个字节，16位，但是字符对应UTF-8会有1-3个字节，char该如何存储？？？

存储

当给char赋值后，其实char中的两个字节存储的是unicode的码点，也就是字符集。与之常见的还有ASCII码，ASCII是一种标准的单字节字符编码方案，适用于所有拉丁字母，但是只有128个字符，这对于其他语言远远不够，特别是中文，所以出现了Unicode。

Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位。码位就是可以分配给字符的数字。UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案。Unicode前128的字符和ASCII一样，所以Unicode兼容ASCII，也可以说ASCII是Unicode的子集。

java中char是说明编码 在java中,char采用什么编码方案_开发语言


以’汉’为例，查看其字符集以及存储。

public static void main(String[] args) {
        char cc = '汉';
        System.out.printf("\\u%04x\n",(int)cc);
    }

存储流程：

java中char是说明编码 在java中,char采用什么编码方案_开发语言_02

在Java中，字符使用的是UTF-16编码，注意不是UTF-8编码 。

大部分的字符使用一个UTF-16编码就行，一个 UTF-16 代码单元需要16bit，而 Java 的 char 类型占用空间也是 16 bit，UTF-16 编码对应 Unicode 码点。

若是代码写法不同，得到的结果会有点不同。

public static void main(String[] args) {
        byte[] bytes = "汉".getBytes(StandardCharsets.UTF_16);
        System.out.println(bytes.length);
        for (byte aByte : bytes) {
            System.out.print(Integer.toHexString(Byte.toUnsignedInt(aByte)));
            System.out.print(" ");
        }
    }

编译后结果：

java中char是说明编码 在java中,char采用什么编码方案_后端_03


此时会发现结果中是4个字节，多出来fe，ff。多出来的两个字节fe和ff是字节序标志，固定的，其他字符也是这两个，C或C++中这个和平台，CPU有关，而Java中统一采用Big Endian。fe、ff代表存储是按Big Endian(大端)；若是出现ff、fe则是按Little Endian（小端）。

以存储“ABC"，对应的二进制编码为”41，42，43“为例。

编码

格式

UTF-16BE

00 41 00 42 00 43

UTF-16LE

41 00 42 00 43 00

UTF-16(Big Endian)

FE FF 00 41 00 42 00 43

UTF-16(Little Endian)

FF FE 41 00 42 00 43 00

UTF-8，UTF-8存储效率高，变长，也就是不方便内部随机访问，是无字节序的，也就没有BE(Big Endian)和LE(Little Endian)之分，可作为外部编码。而UTF-16和UTF-32都是定长，方便内部随机访问，都有字节序问题，不可作为外部编码，也就是区分BE(Big Endian)和LE(Little Endian)。window平台还有携带BOM(byre order mark)的，有兴趣的可以私下查阅一下。

切记，Java中只有Big Endian。

前面说过大部分字符使用一个UTF-16编码就行，但是Unicode扩展字符集需要两个，比如emoji。

String emoji = "😂"; 
        System.out.println("emoji长度：" + emoji.length());

编译结果：

emoji长度：2
这也说明：字符串长度≠字符数。

若仅仅是拉丁字符，其实使用UTF-16有点浪费空间，Java9对拉丁字符的存储空间进行了优化，也就是拉丁字符直接使用byte存储，不用使用char，这样就节省一个字节的空间。

总结

Java中char存储的Unicode码点，码点对应的是UTF-16编码，不是UTF-8编码，所以计算机存储所有码点byte时空间足够用。