Java编码 - 技术栈

Java编码问题

Unicode与码点

所谓Unicode就是全世界的字符字典，也就是把字符给一个编号，这个编码就是码点。比如

编码

由于这种分配的编码无论从占用空间角度，还是读取速度，以及逻辑划分角度，都不是完善。所以出现了计算机编码，就是把每一个字符分配一个二进制的数字来表示。比如采用hafman编码，这种可以大大的节省存储空间，现代的压缩逻辑有的就是这样。

采用utf-8编码，是一种边长编码，就是不同的字符占用的字节数目是不同的，一般来说ascii码占用1个字节，中文字符占用三个字节，还有特殊字符占用4个字节等等。
采用utf-16编码，一般每一个字符都占用两个字节 ，但是对于字符串来说，会存在字节顺序标记（Byte Order Mark，BOM）。BOM 是一个特殊的Unicode字符（U+FEFF），用于指示文本的字节顺序（大端或小端），占用两个字节。所以一般会在总字符字节长度上在加上2。

对应的实验如下

java 复制代码

package com.inspur;

import java.io.UnsupportedEncodingException;
import java.nio.charset.StandardCharsets;
import java.util.List;
import java.util.stream.Collectors;

/**
 * @author: Zekun Fu
 * @date: 2023/9/30 20:43
 * @Description:
 */
public class Main5 {
    public static void main(String[] s) throws UnsupportedEncodingException {

        // 10 然后一个结尾字符'/0'
        String str = "Hello, 世界! 所有字符都是一样的";
        System.out.println(str.length());

        // 获取字符串的UTF-16字节数组
        byte[] utf16Bytes = str.getBytes(StandardCharsets.UTF_16);
        System.out.println(utf16Bytes.length);

        int len = 0;
        // 遍历字节数组，计算每个字符所占用的字节数
        for (char c : str.toCharArray()) {
            String t = ("" + c);
            len = t.getBytes(StandardCharsets.UTF_16).length;
            System.out.println("字符: " + t  + ", 字节数: " + len);
        }
        // 遍历字符串的每个码点
        for (int i = 0; i < str.length(); i++) {
            int codePoint = str.codePointAt(i);
            System.out.println("\"" + str.charAt(i) + "\"的码点：" + codePoint);
        }
    }
}

结果