Java中字符编码格式详解
作者：leesf
一、前言
在分析Comparable和Comparator的时候，分析到了String类的compareTo方法，String底层是用char[]数组来存放元素，在比较的时候是比较的两个字符串的字符，字符用char来存储，此时，突然想到，Java里面的char可以存放中文吗？后来发现是可以的，并且由此也引出了Java中字符的编码格式问题。
二、Java存储格式
在Java中，如下代码获取了字符'张'的各种编码格式。
import java.io.UnsupportedEncodingException;
public class Test {
public static String getCode(String content, String format) throws UnsupportedEncodingException {
byte[] bytes = content.getBytes(format);
StringBuffer sb = new StringBuffer();
for (int i = 0; i < bytes.length; i++) {
sb.append(Integer.toHexString(bytes[i] & 0xff).toUpperCase() + " ");
}
return sb.toString();
}
public static void main(String[] args) throws UnsupportedEncodingException {
System.out.println("gbk : " + getCode("张", "gbk"));
System.out.println("gb2312 : " + getCode("张", "gb2312"));
System.out.println("iso-8859-1 : " + getCode("张", "iso-8859-1"));
System.out.println("unicode : " + getCode("张", "unicode"));
System.out.println("utf-16 : " + getCode("张", "utf-16"));
System.out.println("utf-8 : " + getCode("张", "utf-8"));
}
}
运行结果：
gbk : D5 C5 gb2312 : D5 C5 iso-8859-1 : 3F unicode : FE FF 5F 20 utf-16 : FE FF 5F 20 utf-8 : E5 BC A0
说明：从结果我们可以知道，字符'张'的gbk与gb2312编码是相同的，unicode与utf-16编码时相同的，但是其iso-8859-1、unicode、utf-8编码都是不相同的。那么，在JVM中，字符'张'是按照哪种编码格式进行存储的呢？下面开始我们的分析。
三、探秘思路
1. 查看.class文件常量池的存储格式
测试代码如下
public class Test {
public static void main(String[] args) {
String str = "张";
}
}
使用javap -verbose Test.class进行反编译，发现常量池情况如下：
再使用winhex打开class文件，发现字符'张'在常量池的存储如下
说明：上面两张可以在class文件中是以utf-8的格式存储的。
但是在运行时是否是utf-8格式呢？继续我们的探秘之旅。
2. 在程序中一探究竟
使用如下代码
public class Test {
public static void main(String[] args) {
String str = "张";
System.out.println(Integer.toHexString(str.codePointAt(0)).toUpperCase());
}
}
运行结果：
5F20
说明：根据结果我们知道在运行时JVM是使用的utf-16格式进行存储，utf-16一般是使用2个字节进行存储，如果遇到两个字节无法表示的字符则会使用4个字节表示。之后会另外有篇幅进行介绍，并且我们查看Character类源码时，会发现就是使用的utf-16进行编码的，从两面都找到了我们想要的答案。
3. char类型可以存放中文吗？
根据上面的探索我们已经知道了Java的class文件中字符是以utf-8进行编码的，在JVM运行时则是以utf-16进行编码存储的。而字符'张'可以用两个字节来表示，而char在Java中也是两个字节，故可以存放。
四、总结
经过上面的分析，我们知道：
1. 字符在class文件中是以utf-8格式进行编码的，而在JVM运行时是采用utf-16格式进行编码的。
2. char类型是两个字节，可以用来存放中文。
在此次调用的过程中又查阅了好多关于字符方面的资料，受益匪浅，并且发现特别有意思，接下来会进行分享，所以特此预告下一篇将会进一步来介绍编码以及编码在Java中的问题。敬请期待