java中文字符怎么不是两个字节了

Question

今天测试了一下字符串字节数和字符数，没想到出现意想不到的结果。  private static void lengthTest(){
//在JAVA中，一个char是2个字节（byte），而一个中文汉字是一个字符，也是2个字节
String str0="中";
String str1="中国";
String str2="1k";
String str6="ＬＫ";//全角
String str3="，。";//中文状态下的标点符号
String str4=",.";
String str5="，。";
System.out.println(str0+": "+str0.getBytes()+": "+str0.getBytes().length+": "+str0.length());
System.out.println(str1+": "+str1.getBytes()+": "+str1.getBytes().length+": "+str1.length());
System.out.println(str2+": "+str2.getBytes()+": "+str2.getBytes().length+": "+str2.length());
System.out.println(str6+": "+str6.getBytes()+": "+str6.getBytes().length+": "+str6.length());
System.out.println(str3+": "+str3.getBytes()+": "+str3.getBytes().length+": "+str3.length());
System.out.println(str4+": "+str4.getBytes()+": "+str4.getBytes().length+": "+str4.length());
System.out.println(str5+": "+str5.getBytes()+": "+str5.getBytes().length+": "+str5.length());

}运行结果：中: [B@1e63e3d: 3: 1
中国: [B@1004901: 6: 2
1k: [B@1b90b39: 2: 2
ＬＫ: [B@18fe7c3: 6: 2
，。: [B@b8df17: 6: 2
,.: [B@13e8d89: 2: 2
，。: [B@1be2d65: 6: 2

Answer 1

这个没有错的啊，一个char类型占2个字节，一个中文占一个字符，也是占两个字节

Answer 2

中: [B@1e63e3d: 3: 1
中国: [B@1004901: 6: 2
1k: [B@1b90b39: 2: 2
ＬＫ: [B@18fe7c3: 6: 2
，。: [B@b8df17: 6: 2
,.: [B@13e8d89: 2: 2
，。: [B@1be2d65: 6: 2有错的吧？注意一下，3，6，代表3个字节和6个字节

Answer 3

一看就是在 Eclipse 写的代码，你把你这个文件的编码改为 GBK，你现在使用的是 UTF-8。

Answer 4

另外，想用 getBytes 方法时，请显式地给定编码格式，比如：GBK、UTF-8 等。PS：从来没有人说过汉字就是两个字节。

Answer 5

嗯，我试了显示给定后，utf-8的显示是3 ，gbk,iso都显示2，
标题起得确实有错，我所知道的是一个中文字符有2个字节或4个字节的，还是不明白为什么显示3

Answer 6

嗯，搞错了，iso的显示是1 个字节的

Answer 7

呵呵GB2312、GBK、GB18030 中汉字是占用两个字节的
UTF-8 中的汉字至少是占用三个字节的

Answer 8

UTF-8 中的汉字应该是4个字节啊

Answer 9

JAVA说的是unicode存储方式一个字符占两个字节，也就是jvm使用的编码方式但是你getByte会进行编码转换的哦！

Answer 10

UTF-8 中的汉字咋会变成 4 个字节了？

Answer 11

UTF-8  是3个字节代表一个汉字的。你说的4个字节不知道是哪种编码方式。
String s="中";
print(s.getBytes()); //Windows OS中文版系统默认的gb2312编码方式：-42 -48 
print(s.getBytes("UTF-16")); //-2 -1 78 45  前面的-2和-1是BOM
print(s.getBytes("UTF-8")); //-28 -72 -83 
print(s.getBytes("gb2312")); //-42 -48 

Answer 12

应该说绝大部分常用汉字在UTF-8中是三字节的，四字节是少量非常见CJK字符和各种各样的historic scripts
三字节的有效信息量是BMP（Basic Multilingual Plane），两个字节
1110yyyy 
10yyyyxx
10xxxxxx