黑马程序员技术交流社区

标题: 为什么"a".getBytes("Unicode").length输出的是4 [打印本页]

---

作者: QQ被盗    时间: 2013-11-28 21:44
标题: 为什么"a".getBytes("Unicode").length输出的是4
今天看毕老师的IO流视频，视频中说Unicode的字符都是两个字节，为甚么我用System.out.println("a".getBytes("Unicode").length);输出的却是4

---

作者: 贾波    时间: 2013-11-28 22:26

1. public class Test {
   
2. 
   
3.         public static void main(String[] args) {
   
4.                 try {
   
5.                         byte[] unicodes = "a".getBytes("Unicode");
   
6. 
   
7.                         System.out.println("unicodes=" + unicodes.length);
   
8.                         for (int i = 0; i < unicodes.length; i++) {
   
9.                                 System.out.println(unicodes[i]);
   
10.                         }
    
11.                 } catch (UnsupportedEncodingException e) {
    
12.                         // TODO Auto-generated catch block
    
13.                         e.printStackTrace();
    
14.                 }
    
15.         }
    
16. }
    

复制代码

输出结果：
unicodes=4
-2
-1
0
97

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。
Unicode一个字符占两个字节。-2，-1是一个字节的BOM标志。

---

作者: 胡永城    时间: 2013-11-28 22:50
实际输出为 // 0xfe 0xff 0x00 0x31

1. /**
   
2.                          * UNICODE 是一种字符集，在 Java 中直接使用 Unicode 转码时会按照 UTF-16LE 的方式拆分，由于
   
3.                          * UTF-16 分为 UTF-16LE 和 UTF-16BE，也就是小端序和大端序，因此在网络传过程中，无法判断是 LE 还是 BE
   
4.                          * 序的，因此需要加上一个额外的字节序 BOM 头。
   
5.                          *
   
6.                          * BOM 头的字符是一个特殊的字符，其 Unicode 编码为 U+FEFF，字符名为“ZERO WIDTH
   
7.                          * NON-BREAKING SPACE”，根据 RFC2781 3.2 节规定，开头两个字节为 FE FF 的称为
   
8.                          * Big-Endian，开头为 FF FE 的称为 Little-Endian。
   
9.                          *
   
10.                          * 因此，你直接使用 Unicode 转换字节的话，也就是按 UTF-16LE 方式进行解码，会额外地加上 BOM 的两个字节 FF
    
11.                          * FE。
    
12.                          */

复制代码

详细的解释见： http://blog.csdn.net/lipeijs3/article/details/5062243
和
http://bbs.csdn.net/topics/270062448

---

作者: QQ被盗    时间: 2013-11-28 22:54
谢啦，又让我了解到了，Unicode编码，一直以来都弄不清它

---

作者: ysunday    时间: 2013-11-28 23:04
楼上说的很对了，那两个多出来的字节是因为在unicode编码中，还要指定字节序，就是字节的顺序，大于一个字节的数据在内存中存放的的顺序。有两种，大字节序BIG-ENDIAN和小字节序LITTLE-ENDIAN.
传输协议中，需要先传一个标识，一个叫“ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在Unicode中是不存在的字符，所以不应该出现在实际传输中。unicode规范建议在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样就多出了两个字节。
不信你换”ab“.getBytes()/length;输出就是6.还是多两位

---

作者: QQ被盗    时间: 2013-11-29 09:14

胡永城 发表于 2013-11-28 22:50
实际输出为 // 0xfe 0xff 0x00 0x31

详细的解释见： http://blog.csdn.net/lipeijs3/article/details/5062 ...

大哥，看来下你的博客，让我感触很深啊

---

欢迎光临 黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2