技術文章 » char型別要佔幾個位元組

char型別要佔幾個位元組

2023-03-10 18:01:00

char型別在C或C++中佔1個位元組，在java中佔2個位元組。char用於C或C++中是定義字元型變數的，而char資料型別是一種整數型別，只會佔據1個位元組。而在java中char型別佔2個位元組是因為Java編譯器預設使用Unicode編碼，因此2位元組（16位元）可以表示所有字元。

本教學操作環境：windows7系統、Dell G3電腦。

我百度搜尋「char佔幾個位元組」，得到下面的答案：

1.png

char用於C或C++中定義字元型變數，是一種整數型別，只佔一個位元組，取值範圍為 -128 ~ +127（-27~27-1）。

char型別佔1位元組，就是8位元，所能儲存的正整數是 0111 1111，即127。

顯然這不是我們想要的結果，於是我繼續搜尋「java中的char佔幾個位元組」

2.png

Java中的char用於存放字元的資料型別，佔用2個位元組，採用unicode編碼，它的前128位元組編碼與ASCII相容,只不過有些字元需要兩個char來表示。

為什麼C或C++和java中的char佔用位元組數不相同？

有些字元需要兩個char來表示又是什麼意思？

編碼

在討論這個問題之前，我們先對部分知識點做一下普及。

首先我們都知道計算機中儲存的資訊都是用二進位制數表示的，那怎麼樣讓計算機儲存我們人類用的漢字或英文呢？

比如如何將'a'轉換為二進位制儲存到計算機中，稱為編碼；

而將儲存在計算機中的二進位制數解析顯示出來，稱為解碼。

字元集

字元（Character）是各種文字和符號的總稱，包括各國家文字、標點符號、圖形符號、數位等。字元集（Character set）是多個字元的集合，字元集種類較多，每個字元集包含的字元個數不同，常見字元集名稱：ASCII字元集、GB2312字元集、BIG5字元集、 GB18030字元集、Unicode字元集等。這是百度百科給的解釋，反正就是字元集是一些字元的集合，字元集種類多，字元集中的字元數量也各不相同。計算機要準確的處理各種字元集文字，需要進行字元編碼，以便計算機能夠識別和儲存各種文字。

unicode

它的名字叫統一碼， 也叫萬國碼，符號數量在不斷增加，已超百萬 。

在創造Unicode之前，有數百種編碼系統。沒有一個編碼可以包含足夠的字元,從它的名字就可以看出這是一種所有符號的編碼，每一個符號都給予一個獨一無二的編碼，那麼各個不同編碼導致的亂碼問題就會消失。

大多數計算機採用ASCII碼（美國標準資訊交換碼），它是表示所有大小寫字母、數位、標點符號和控制字元的7位編碼方案。統一碼（Unicode）包含ASCII碼，'\u0000'到'\u007F'對應全部128個ACSII字元。

不禁讓我感慨，有實力的人才能制定標準。 Unicode 只是一個符號集，它只規定了符號的二進位制程式碼，僅僅提供字元與編號間對映，卻沒有規定這個二進位制程式碼應該如何儲存。 我們知道英文字母的編號特別小，用一個位元組就完全能夠表示，而unicode中的中文符號的編號就很大了，一個位元組根本不行。 於是後面出現了unicode字元儲存的多種實現方式，比如UTF-8,UTF-16等。 UTF-8 是在網際網路上使用最廣的一種 Unicode 的實現方式。

內碼和外碼

我們常說的java中的char佔幾個位元組，應該是java中內碼中的char。

內碼是指java執行時，其char和string在記憶體中的編碼方式；外碼是程式與外部互動時外部使用的字元編碼,比如序列化技術。 外碼可以理解為：只要不是內碼，那就是外碼。 要注意的是，原始碼編譯產生的目的碼檔案（可執行檔案或class檔案）中的編碼方式屬於外碼。 JVM中內碼採用UTF16。 UTF-16 的 16 指的就是最小為 16 位一個單元，也即兩位元組為一個單元。早期，UTF16採用固定長度2位元組的方式編碼，兩個位元組可以表示65536種符號（其實真正能表示要比這個少），足以表示當時unicode中所有字元。但是隨著unicode中字元的增加，2個位元組無法表示所有的字元，UTF16採用了2位元組或4位元組的方式來完成編碼。Java為應對這種情況，考慮到向前相容的要求，Java用一對char來表示那些需要4位元組的字元。所以，java中的char是佔用兩個位元組，只不過有些字元需要兩個char來表示。 這裡就解釋了為什麼有些字元需要兩個char來表示的問題。

另外：Java的class檔案採用UTF8來儲存字元，也就是說，class中字元佔1～6個位元組。 Java序列化時，字元也採用UTF8編碼，佔1～6個字元。

length()

那再來一個問題：Java中的一個字元的String.length()是多少?

看過前面的知識點不能再張嘴就來回答是1吧...... 寫個demo看一下：虎年就用虎來測試吧，tigerUTF對對應unicode編碼表示。

         String tiger = "?";
         String tigerUTF = "\uD83D\uDC05";
         System.out.println(tigerUTF);
         System.out.println(tiger.length()); 
         System.out.println(tiger.codePointCount(0,tiger.length()));
登入後複製

3.png

可以得出呼叫String.length()得到的結果為2,表示的是stirng的char陣列佔UTF-16格式的2個程式碼單元(即4個位元組)，而不是有多少個字元。 當然我們想要獲取多少個字元，可以使用codePointCount方法來獲取。

更多相關知識，請存取欄目！

以上就是char型別要佔幾個位元組的詳細內容，更多請關注TW511.COM其它相關文章！