一、前言
在分析Comparable和Comparator的時候，分析到了String類的compareTo方法，String底層是用char[]數組來存放元素，在比較的時候是比較的兩個字符串的字符，字符用char來存儲，此時，突然想到，Java里面的char可以存放中文嗎？后來發現是可以的，并且由此也引出了Java中字符的編碼格式問題。
二、Java存儲格式
在Java中，如下代碼獲取了字符'張'的各種編碼格式。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
import java.io.UnsupportedEncodingException;public class Test { public static String getCode(String content, String format) throws UnsupportedEncodingException { byte[] bytes = content.getBytes(format); StringBuffer sb = new StringBuffer(); for (int i = 0; i < bytes.length; i++) { sb.append(Integer.toHexString(bytes[i] & 0xff).toUpperCase() + " "); } return sb.toString(); } public static void main(String[] args) throws UnsupportedEncodingException { System.out.println("gbk : " + getCode("張", "gbk")); System.out.println("gb2312 : " + getCode("張", "gb2312")); System.out.println("iso-8859-1 : " + getCode("張", "iso-8859-1")); System.out.println("unicode : " + getCode("張", "unicode")); System.out.println("utf-16 : " + getCode("張", "utf-16")); System.out.println("utf-8 : " + getCode("張", "utf-8")); }} |
運行結果：
|
1
2
3
4
5
6
|
gbk : D5 C5 gb2312 : D5 C5 iso-8859-1 : 3F unicode : FE FF 5F 20 utf-16 : FE FF 5F 20 utf-8 : E5 BC A0 |
說明：從結果我們可以知道，字符'張'的gbk與gb2312編碼是相同的，unicode與utf-16編碼時相同的，但是其iso-8859-1、unicode、utf-8編碼都是不相同的。那么，在JVM中，字符'張'是按照哪種編碼格式進行存儲的呢？下面開始我們的分析。
三、探秘思路
1. 查看.class文件常量池的存儲格式
測試代碼如下
|
1
2
3
4
5
|
public class Test { public static void main(String[] args) { String str = "張"; }} |
使用javap -verbose Test.class進行反編譯，發現常量池情況如下：
再使用winhex打開class文件，發現字符'張'在常量池的存儲如下
說明：上面兩張可以在class文件中是以utf-8的格式存儲的。
但是在運行時是否是utf-8格式呢？繼續我們的探秘之旅。
2. 在程序中一探究竟
使用如下代碼
|
1
2
3
4
5
6
|
public class Test { public static void main(String[] args) { String str = "張"; System.out.println(Integer.toHexString(str.codePointAt(0)).toUpperCase()); }} |
運行結果：
5F20
說明：根據結果我們知道在運行時JVM是使用的utf-16格式進行存儲，utf-16一般是使用2個字節進行存儲，如果遇到兩個字節無法表示的字符則會使用4個字節表示。之后會另外有篇幅進行介紹，并且我們查看Character類源碼時，會發現就是使用的utf-16進行編碼的，從兩面都找到了我們想要的答案。
3. char類型可以存放中文嗎？
根據上面的探索我們已經知道了Java的class文件中字符是以utf-8進行編碼的，在JVM運行時則是以utf-16進行編碼存儲的。而字符'張'可以用兩個字節來表示，而char在Java中也是兩個字節，故可以存放。
四、總結
經過上面的分析，我們知道：
1. 字符在class文件中是以utf-8格式進行編碼的，而在JVM運行時是采用utf-16格式進行編碼的。
2. char類型是兩個字節，可以用來存放中文。
在此次調用的過程中又查閱了好多關于字符方面的資料，受益匪淺，并且發現特別有意思，接下來會進行分享，所以特此預告下一篇將會進一步來介紹編碼以及編碼在Java中的問題。敬請期待
