Код ниже будет печатать длину хранилища байтов ниже строки, которая содержит двухбайтовый японский символ. Насколько я понимаю, вывод этой программы должен быть 2, однако он приходит как 3. Почему это так?
String j = "大";
System.out.println(j.getBytes().length);
Если это будет всегда так, то я должен предположить ниже:
1, для однобайтового символа вывод программы всегда будет 1
2, для двухбайтового символа вывод программы всегда будет 3
Длина байта 8 символов UTF может составлять от 1 до 4 байтов. Таким образом, ваш код печатает любую правильную длину байта для входного японского символа.
Я полагаю, что кодовая точка для этого символа — 0x5927, которая при представлении в формате UTF-8 представляет собой три байта E5 A4 A7. (Не все символы, отличные от ASCII, занимают 3 байта в UTF-8, только символы с кодовыми точками в диапазоне от 0x0800 до 0xFFFF.)
Метод .getBytes() использует системную кодировку по умолчанию (в случае Linux это обычно UTF-8).
Поскольку вы упомянули «однобайтовые» и «двухбайтовые японские символы», я думаю, вы хотите использовать кодировку SJIS. Вы делаете это следующим образом:
String j = "大";
System.out.println(j.getBytes("SJIS").length);
печатает 2.
В качестве рекомендации никогда не используйте .getBytes без указания кодировки и никогда не используйте какой-либо другой метод или класс, использующий системную кодировку по умолчанию. Вы запустите свой код на другом компьютере, и он перестанет работать.
