【竞答】String.getBytes("Unicode")中，额外2个字节的来源

[老紫竹]

    String s = "1";
    byte[] arr = s.getBytes("UNICODE");
    System.out.println(Arrays.toString(arr)); // 12

请写出运行结果，并从源代码级解释原因。

JDK 为 6.0

[cyberpeng]

[Quote=引用 12 楼 java2000_net 的回复:]
2个疑问，

1 为何UTF-8没有
2 我想知道，在源代码里的哪个部分做的这个判断。
[/Quote]

1，UTF-8没有是因为UTF-8得到的byte数组唯一，不需要判断高低字节的顺序。
2，这个……得到byte数组后，自己判断头两个字节不行么？

[「已注销」]

学习了.........

[jackwofe]

不知道

[laobaijia]

不行了 疯了疯了 看不下去了 不懂啊

[chinagavin]

接分

[showde123]

基本是 两位高手的 峰会。
又一块没接触过的东西。

[wokan_woxihuan]

[wokan_woxihuan]

if (Session["Userid"] == null)
			{
				Response.Write("<script>parent.document.location.href='Default.aspx';</script>");
			}
			else
			{
				this.TextBox1.Text=DAL.messageDAL.ExecuteScalarmanage(this.Session["userids"].ToString());
			}
			if(!Page.IsPostBack)
			{
				if(Session["DataBase"].ToString()!="")
				{
					this.Fill();
				}
			}

[wokan_woxihuan]

http://www.163.com

[一洽客服系统]

收藏~mark

[renmms]

学习

[骑驴的桑乔]

en，学习

[woodAstone]

标记

[East271536394]

为了在读取字节时能知道所采用的字节序，在传输时采用了一个名为
“ZERO WIDTH NON-BREAKING SPACE”（U+FEFF）的字符用于限定字节
序，开头两个字节为 FE FF 时为 Big-Endian，为 FF FE 时为 Little-Endian。
详见 RFC2781 3.2 节。

在 Java 中直接使用 Unicode 转码时会按照 UTF-16LE 的方式拆分，并加上 BOM。

如果采用 UTF-16 拆分，在 Java 中默认采用带有 BOM 的 UTF-16BE 拆分。

[learnonedelisonedel]

mark

[gukuitian]

mm

[lyn0032]

字符编码呀，一直很纠结

[smile2010cool]

向高手们致敬……

[sunflowerxy]

mark~~ 谢谢分享

[东东不邪]

“UTF-8以字节为编码单元，没有字节序的问题。UTF-16以两个字节为编码单元，在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序。例如“奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”，那么这是“奎”还是“乙”？

Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte order Mark。BOM是一个有点小聪明的想法：

在UCS编码中有一个叫做"ZERO WIDTH NO-BREAKSPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。

这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。

UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAKSPACE"的UTF-8编码是EF BB BF（读者可以用我们前面介绍的编码方法验证一下）。所以如果接收者收到以EF BBBF开头的字节流，就知道这是UTF-8编码了。”
还是不明白，谁能为我解释一下上边这段话？
我的问题有两点：
1、前面说而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中，那后面又怎么能“如果收到FFFE，就表明这个字节流是Little-Endian的”收到它呢？
2、UTF-8也有BOM？