Java中字符的大小不是2字节吗？

Question

我使用

RandomAccessFile

从文本文件中读取

byte

。

public static void readFile(RandomAccessFile fr) {
    byte[] cbuff = new byte[1];
    fr.read(cbuff,0,1);
    System.out.println(new String(cbuff));
}

为什么我看到它正在读取一个完整的字符？

Answer 1

A

char

代表 Java 中的字符 ^(*)。它有 2 个字节大（或 16 位）。

这并不一定意味着字符的每个表示形式都是 2 个字节长。事实上，许多字符编码只为每个字符保留 1 个字节（或为最常见的字符使用 1 个字节）。

当您调用

String(byte[])

构造函数时，您要求Java使用

平台的默认字符集

（Java 18之前）

（**）

将byte[]转换为^String。由于平台默认字符集通常是 1 字节编码（例如 ISO-8859-1）或可变长度编码（例如 UTF-8），因此它可以轻松地将 1 字节转换为单个字符。

如果您在使用 UTF-16（或 UTF-32 或 UCS-2 或 UCS-4 或...）作为平台默认编码的平台上运行该代码，那么您将不会获得有效的结果（您将获取包含 Unicode 替换字符的

String

）。

这就是为什么您不应该依赖平台默认编码的原因之一：在

byte[]

和

char[]

/

String

之间或在

InputStream

和

Reader

之间或在

OutputStream

和

Writer

之间进行转换时，你应该总是指定哪种编码你想使用。如果不这样做，那么您的代码将依赖于平台。

^{(*) 这并不完全正确：char 代表一个}

UTF-16

代码单元。 one 或 two UTF-16 代码单元表示 Unicode 代码点。一个 Unicode 代码点“通常”代表一个字符，但有时使用多个 Unicode 代码点来组成单个字符。但上面的近似值足以讨论当前的主题。 (**) 请注意，在 Android 上，默认字符集始终为 UTF-8

，从 Java 18 开始，Java 平台本身也

切换到此默认值^{（但仍然可以配置为以旧方式运行） ）} Java 在内部将所有“字符”存储为两个字节。但是，当它们变成字符串等时，字节数将取决于您的编码。

Answer 2

Java 支持 Unicode，因此根据：

Java 字符文档

支持的最大值为“\uFFFF”（十六进制 FFFF，十进制 65535），或 11111111 11111111 二进制（两个字节）。

构造函数

String(byte[] bytes)

Answer 3

它使用平台默认字符集将字节编码为字符。如果您知道您的文件包含以不同字符集编码的文本，您可以使用

String(byte[] bytes, String charsetName)

使用正确的编码（从字节到字符）。

在 ASCII 文本文件中，每个字符只是一个字节

Answer 4

看起来您的文件包含 ASCII 字符，这些字符仅用 1 个字节进行编码。如果文本文件包含非 ASCII 字符，例如2 字节 UTF-8，那么您只得到第一个字节，而不是整个字符。

Answer 5

这里有一些很好的答案，但我想指出 jvm 可以自由地在任何大小的空间 >= 2 字节中存储 char 值。

Answer 6

https://en.wikipedia.org/wiki/False_sharing

对于新的 Java 程序员来说，字符数组或字符串不仅仅是多个字符可能是不直观的。 您应该将字符串和数组与“多个字符”区分开来学习和思考。 我还想指出java字符经常被误用。 人们没有意识到他们正在编写的代码无法正确处理长度超过 16 位的代码点。

Java 为字符分配 2 个字节中的 2 个，因为它遵循 UTF-16。存储一个字符最少占用2个字节，最多占用4个字节。字符没有1字节或3字节的存储空间。

Answer 7

Java char 是 2 个字节。但文件编码可能不同。

Answer 8

如果文件的编码是 UTF-16，如果您的 UTF-16 是小端，它仍然可能会显示正确的字符。例如，A 的小端 UTF-16 为 [65, 0]。那么当你读取第一个字节时，它返回 65。第二个字节用 0 填充后，你将得到 A。

String s = "ABCÃࠁ";
byte[] bytes = s.getBytes();
char[] charArray = s.toCharArray();

Answer 9

在上面，字符串s中的最后一个字符，也就是

charArray

中的最后一个元素，用3个字节“表示”。如果我们序列化

charArray

，我们会看到以下字节（每个

char

2 个字节）

00 41 00 42 00 43 00 C3 08 01