Java的char是两个字节，如何存UTF-8字符？

一、面试官视角：这道题想考察什么？

• 是否熟悉Java char和字符串（初级）
• 是否了解字符的映射和存储细节（中级）
• 是否能触类旁通，横向对比其他语言（高级）

二、题目剖析：

1、分别占多少字节？

char（字符数据类型）可以存储两个字节（byte），UTF-8可以存储一到三个字节

2、和Unicode什么关系？

char u8Test = "庆";

Integer.toHexString(u8Test);

// 打印出来是：0x5e 0x86两个字节，这两个字节就是Unicode码点，所以Unicode其实就是字符集
// ASCII码也是字符集，ASCII码与Unicode两者是兼容关系
// 字符集的作用是：完成字符到整数的映射
// 字符集不是编码，UTF-8是编码

3、如何存储字符？

一个字符（如笑脸）是两个字节（0xd83d，0xde00），这两个字节其实就是字符集（Unicode、ASCII码）码点，如果通过UTF-8编码，会转换成byte类型，也就是四个字节（11110000，10011111，10011000，10000000），但在Java char里面，会通过UTF-16进行编码，转换成byte类型对应的四个字节（11011000（d8），00111101（3d），11011110（de），00000000（00）），然后通过计算器存储（比如序列化或磁盘），其实无所谓存不存的，因为在Java char里面，存储的是UTF-16编码后的字节，跟UTF-8没有关系。

Tip：UTF-8与UTF-16的区别是：UTF-8最小的单位是一个字节，UTF-16最小的单位是两个字节。

（如果字符是一个A，它对应的是65，用ASCII码7个bit来表示，但在UTF-16里面也是需要两个字节的）

4、字符串长度

java:
String emoji = “笑脸”;
System.out.println(emoji.length()); // 长度为：2

// jdk9对Latin字符的存储空间做了优化，但字符串长度不等于字符数

python:
emoji = u"笑脸"
print(len(emoji)) // 长度为：1

// 这一点python就做的很好

三、题目结论：

• Java char 不存UTF-8的字节，而是UTF-16
• Unicode通用字符占两个字节，例如“中”
• Unicode扩展字符集需要用一对char来表示，例如“笑脸”
• Unicode是字符集，不是编码，作用类似于ASCII码
• Java String的length不是字符数，而是char的个数