爲什麼一箇中文字符需要一個字符（2個字節）而不是3個字節？

Question

我有以下程序來測試Java如何處理中國字符：

String s3 = "世界您好"; 
char[] chs = s3.toCharArray(); 
byte[] bs = s3.getBytes(StandardCharsets.UTF_8); 
byte[] bs2 = new String(chs).getBytes(StandardCharsets.UTF_8); 

System.out.println("encoding=" + Charset.defaultCharset().name() + ", " + s3 + " char[].length=" + chs.length 
       + ", byte[].length=" + bs.length + ", byte[]2.length=" + bs2.length); 

打印出來，這是：

編碼= UTF-8，世界您好炭[]長度= 4 。，字節[]長度= 12，字節[] 2.length = 12

結果是這些：

1. 如果使用char[]來保存漢字，則一個漢字需要一個char，即2個字節的Java;

2. 一個漢字需要3個byte s如果用byte[]來保存漢字;

我的問題是如果2個字節就夠了，爲什麼我們用3個字節？如果2個字節是不夠的，爲什麼我們使用2個字節？

編輯：

我的JVM的默認編碼設置爲UTF-8。

Answer 1

Java char類型在雙字節對象中存儲16位數據，並使用每一位來存儲數據。 UTF-8不這樣做。對於中文字符，UTF-8只使用每個字節的6位來存儲數據。其他兩位包含控制信息。 （這取決於字符，對於ASCII字符，UTF-8使用7位）。這是一種複雜的編碼機制，但它允許UTF-8存儲長達32位的字符。這對於7位（ASCII）字符每個字符只有一個字節的優點，使得它向後兼容ASCII。但它需要3個字節來存儲16位數據。您可以通過在維基百科上查找來了解它是如何工作的。