Question

我在SO上发现，Java字符串在内部表示为UTF-16。出于好奇，我开发并运行了以下代码片段（Java 7）：

public class StringExperiment {
    public static void main(String...args) throws UnsupportedEncodingException {
        System.out.println(Arrays.toString("ABC".getBytes()));
    }
}

导致：

[65, 66, 67]

正在打印到控制台输出。

它如何与UTF-16匹配？

更新。有没有办法编写一个程序来打印字符串的内部字节？

Answer 1

你似乎误解了一些事情。

对于所有系统关注，以及开发人员关心的大部分时间，char s也可以是载体鸽，以及String所述载体鸽的序列。虽然是，但在内部，字符串是char s的序列（更准确地说是UTF-16代码单元），这不是这里的问题。

您不会将char写入文件，也不会从文件中读取char。你编写并读取字节。

为了将字节序列读取为字符/载体鸽子序列，您需要解码器;类似地（这就是你在这里做的），为了将字符/载体鸽子变成字节，你需要一个编码器。在Java中，这两个都可以从Charset获得。

String.getBytes()恰好使用带有默认平台字符编码的编码器（使用Charset.defaultCharset()获得），并且对于您的输入字符串"ABC"和您的JRE实现，会发生这样的序列生成的字节数是65,66,67。因此结果。

现在，试试String.getBytes(Charset.forName("UTF-32LE"))，你会得到不同的结果。

Answer 2

Java的内部字符串表示基于他们的char，因此是UTF-16。 Unless it isn't：现代VM（自Java 6 Update 21性能发布以来）可能会尝试使用基本的ASCII（单字节编码）来节省空间。

序列化/ java-native-interface是在modified CESU-8（UTF-8的代理无关变体）编码中完成的，NUL表示为两个字节以避免嵌入的零。

所有这些都与您的测试无关[＆34;虽然：
You are asking Java to encode the string in the platform's default-charset，而且那不是内部字符集：

public byte[] getBytes()
使用平台的默认字符集将此String编码为字节序列，将结果存储到新的字节数组中。
未指定此字符串无法在默认字符集中进行编码时此方法的行为。当需要更多地控制编码过程时，应该使用CharsetEncoder类。

Answer 3

Java Strings确实在内部表示为UTF-16，但是您调用的是getBytes方法，它执行following（我的重点）

public byte[] getBytes()

使用平台将此String编码为字节序列默认字符集，将结果存储到新的字节数组中。

您平台的默认编码可能不是UTF-16。

如果您使用允许您指定编码的变体，您可以看到字符串在其他编码中的外观：

public byte[] getBytes(Charset charset)

如果查看java.lang.String的{{3}}，可以看到String内部存储为（16位）字符数组。

Java内部字符串表示：它是UTF-16吗？

3 个答案: