为什么说一个中文占三个字节
缘由
在学习java基础时
对于s2，一个中文占用3个字节**，21845个正好占用65535个字节，而且字符串长度是21845，长度和存储也都没超过限制，所以可以编译通过
后来发现这句话是错的, java中char的存储是 LATIN-1(1字节) OR UTF-16(2字节)
但是引出了我对 UTF-8 的思考
为啥是三个字节, 不是两个字节吗
- java的默认编码格式
那我们看看 UTF-8的wiki
- Unicode
故名思意, 为每个字符(任何语言)提供一个独特编码
以满足跨语言、跨平台的文本信息转换
| 码点的位数 | 表示的unicode范围 | 字节序列 | Byte 1 | Byte 2 | Byte 3 | Byte4 |
|---|---|---|---|---|---|---|
| 7 | 0~127 | 1 | 0xxxxxxx | |||
| 11 | 128~2047 | 2 | 110xxxxx | 10xxxxxx | ||
| 16 | 2048~65535 | 3 | 1110xxxx | 10xxxxxx | 10xxxxxx | |
| 21 | >65535 | 4 | 11110xxx | 10xxxxxx | 10xxxxxx | 10xxxxxx |
比如’中’的unicode为4E2D 41616^16 = 16384 >2047
显然是用3位UTF-8存储