为什么一个中文字符需要一个字符（2个字节）而不是3个字节？

Question

我有以下程序来测试Java如何处理中国字符：

String s3 = "世界您好"; 
char[] chs = s3.toCharArray(); 
byte[] bs = s3.getBytes(StandardCharsets.UTF_8); 
byte[] bs2 = new String(chs).getBytes(StandardCharsets.UTF_8); 

System.out.println("encoding=" + Charset.defaultCharset().name() + ", " + s3 + " char[].length=" + chs.length 
       + ", byte[].length=" + bs.length + ", byte[]2.length=" + bs2.length); 

打印出来，这是：

编码= UTF-8，世界您好炭[]长度= 4 。，字节[]长度= 12，字节[] 2.length = 12

结果是这些：

1. 如果使用char[]来保存汉字，则一个汉字需要一个char，即2个字节的Java;

2. 一个汉字需要3个byte s如果用byte[]来保存汉字;

我的问题是如果2个字节就够了，为什么我们用3个字节？如果2个字节是不够的，为什么我们使用2个字节？

编辑：

我的JVM的默认编码设置为UTF-8。

Answer 1

Java char类型在双字节对象中存储16位数据，并使用每一位来存储数据。 UTF-8不这样做。对于中文字符，UTF-8只使用每个字节的6位来存储数据。其他两位包含控制信息。 （这取决于字符，对于ASCII字符，UTF-8使用7位）。这是一种复杂的编码机制，但它允许UTF-8存储长达32位的字符。这对于7位（ASCII）字符每个字符只有一个字节的优点，使得它向后兼容ASCII。但它需要3个字节来存储16位数据。您可以通过在维基百科上查找来了解它是如何工作的。