Java中byte与汉字的关系

字节是二进制数据的单位。一个字节通常8位长。但是，一些老型号计算机结构使用不同的长度。为了避免混乱，在大多数国际文献中，使用词代替byte。在多数的计算机系统中，一个字节是一个8位长的数据单位，大多数的计算机用一个字节表示一个字符、数字或其他字符。一个字节也可以表示一系列二进制位。在一些计算机系统中，4 个字节代表一个字，这是计算机在执行指令时能够有效处理数据的单位。一些语言描述需要2个字节表示一个字符，这叫做双字节字符集。一些处理器能够处理双字节或单字节指令。字节通常简写为“B”，而位通常简写为小写“b”，计算机存储器的大小通常用字节来表示

字节数组是由一系列字节组成。

提到汉字我们就会想起编码，常用的编码有GBK和UTF8两种，两者的区别如下：

GBK编码：是指中国的中文字符，其它它包含了简体中文与繁体中文字符，另外还有一种字符“gb2312”，这种字符仅能存储简体中文字符。

UTF-8编码：它是一种全国家通过的一种编码，如果你的网站涉及到多个国家的语言，那么建议你选择UTF-8编码。

UTF8编码格式很强大，支持所有国家的语言，正是因为它的强大，才会导致它占用的空间大小要比GBK大，对于网站打开速度而言，也是有一定影响的。GBK编码格式，它的功能少，仅限于中文字符，当然它所占用的空间大小会随着它的功能而减少，打开网页的速度比较快。

下面我来做实验，先看如下代码：

public static void main(String[] args)  {
	String str = "人";
	byte[] bs = str.getBytes();
	for(int i=0;i<bs.length;i++) {
		System.out.println(bs[i]);
	}
}

输出结果如下：

-28
-70
-70

这个时候很多人看到这个结果就不淡定了，为什么会是这样的结果，不是说一个汉字占用2个字节吗，怎么成了三个了，不用着急，听我慢慢道来：

首先我们先来看看我系统的编码是什么？

System.out.println(Charset.defaultCharset());

通过Charset类的方法可以获取到你当前的项目环境编码，我的电脑是UTF8。这个时候回到上面的问题上，为什么是3个，下面我们在来看一段代码：

public static void main(String[] args) throws UnsupportedEncodingException {
	String str = "人";
	//使用UTF-8编码
	byte[] bs = str.getBytes("UTF-8"); 
	for (int i = 0; i < bs.length; i++) {
		System.out.println(bs[i]);
	}
	
	System.out.println("==================");
	//使用GBK编码
	byte[] bss = str.getBytes("GBK");
	for (int i = 0; i < bss.length; i++) {
		System.out.println(bss[i]);
	}
}

输出的结果如下：

-28
-70
-70
==================
-56
-53

可以看到，GBK编码确实比UTF-8少了一个字节。

有图有真相，不骗你。

主要原因就是UTF-8本身包含的内容要比GBK多，所以在存储的时候自然而然的多出了一个字节，虽然说GBK少，但是在大家做项目的时候还是建议使用UTF-8。

下面在来看一段有意思的代码：

public static void main(String[] args) throws UnsupportedEncodingException {
	
	byte[] b = new byte[2];
	b[0] = -56;
	b[1] = -53;
	System.out.println(new String(b,"GBK"));
	
}

结果如下：

人

通过反向也是可以转回去的，有兴趣的伙伴们可以试试喽。

有问题可以在下面评论，技术问题可以私信我。