62,614
社区成员
发帖
与我相关
我的任务
分享关于中文简体汉字用unicode存储的问题
//编码
String s = "中国";
//结果输出长度为6
byte[] arr = s.getBytes("unicode");
System.out.println("unicode，length:" + arr.length);
System.out.println(Arrays.toString(arr));
String result = new String(arr,"unicode");
System.out.println(result);
输出结果：
unicode，length:6
[-2, -1, 78, 45, 86, -3]
中
在这里，曾一度让我以为每个汉字是占3个字节，尽管书上说只占两个字节。但是只写入一个汉字 “好” 时：
输出结果：
unicode，length:4
[-2, -1, 89, 125]
好
这时候发现确实应该是占了两个字节，【-2，-1】应该是某个东西，并且是隐形的。以为是换行，但是这个应该不会是负数，而且应该是在末尾显示。所以不知道-2，-1是什么意思？
谢谢！
String s = "中国";
//结果输出长度为6
byte[] arr = s.getBytes("unicode");
System.out.println("unicode，length:" + arr.length);
System.out.println(Arrays.toString(arr));
String result = new String(arr,"unicode");
System.out.println(result);
输出结果：
unicode，length:6
[-2, -1, 78, 45, 86, -3]
中
在这里，曾一度让我以为每个汉字是占3个字节，尽管书上说只占两个字节。但是只写入一个汉字 “好” 时：
输出结果：
unicode，length:4
[-2, -1, 89, 125]
好
这时候发现确实应该是占了两个字节，【-2，-1】应该是某个东西，并且是隐形的。以为是换行，但是这个应该不会是负数，而且应该是在末尾显示。所以不知道-2，-1是什么意思？
谢谢！
...全文
请发表友善的回复…
发表回复
普凡 2015-02-03
- 打赏
- 举报
顺便补充一下：
Unicode只是定义了一个庞大的、全球通用的字符集，并为每个字符规定了唯一确定的编号，具体存储为什么样的字节流，取决于字符编码方案。
普凡 2015-02-03
- 打赏
- 举报
要看编码
utf-8是3字节
gbk gb2312是2个字节
yeyu333 2015-01-31
- 打赏
- 举报
、
听不懂..
rumlee 2015-01-31
- 打赏
- 举报
(Unicode是一种字符编码方法，不过它是由国际组织设计，可以容纳全世界所有语言文字的编码方案。Unicode的学名是"Universal Multiple-Octet Coded Character Set"，简称为UCS。UCS可以看作是"Unicode Character Set"的缩写。)
在UCS编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"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。
