Кодът по-долу ще отпечата дължината на байтовото хранилище под низ, който съдържа двубайтов японски знак. Според моето разбиране изходът на тази програма трябва да бъде 2, но идва като 3. Защо е така?
String j = "大";
System.out.println(j.getBytes().length);
Ако това ще бъде винаги така, трябва ли да приема по-долу:
1, за еднобайтов знак изходът на програмата винаги ще бъде 1
2, за двубайтов знак изходът на програмата винаги ще бъде 3
Дължината на UTF байта от 8 знака може да бъде между 1 и 4 байта. Така че вашият код отпечатва каквато и да е правилната дължина на байта за въведения японски знак.
Вярвам, че кодовата точка за този символ е 0x5927, което, когато е представено като UTF-8, е трите байта E5 A4 A7. (Не всички не-ASCII символи заемат 3 байта в UTF-8, само тези с кодови точки в диапазона от 0x0800 и 0xFFFF.)
Методът .getBytes() използва системното кодиране по подразбиране (в случай на Linux обикновено е UTF-8).
Тъй като споменахте "еднобайтови" и "двубайтови японски символи", предполагам, че искате да използвате SJIS кодиране. Правите го по следния начин:
String j = "大";
System.out.println(j.getBytes("SJIS").length);
отпечатва 2.
Като насока, никога не използвайте .getBytes без да посочите кодиране и никога не използвайте друг метод или клас, който използва системното кодиране по подразбиране. Ще стартирате кода си на друг компютър и той ще спре да работи.
