Java 单个UTF-8字符到字节

如果我将UTF-8字符转换为字节，这3种实现的结果是否会因区域设置、环境等而有所不同

byte a = "1".getBytes()[0];
byte b = "1".getBytes(Charset.forName("UTF-8"))[0];
byte c = '1';

---

第一行取决于环境，因为它将使用系统的默认字符编码对字符串进行编码，这可能是，也可能不是

无论系统的区域设置或默认字符编码是什么，第二行始终会产生相同的结果。它将始终使用UTF-8对字符串进行编码

请注意，UTF-8是一种可变长度字符编码。只有前127个字符编码在一个字节中；所有其他字符将占用2到6个字节

---

第三行将

char

转换为

int

。这将导致

int

包含字符的UTF-16字符代码，因为Java

char

使用UTF-16存储字符。由于UTF-16以与UTF-8相同的方式对字符进行部分编码，因此结果与第二行相同，但对于任何字符来说，这通常都是不正确的。

原则上，这个问题已经得到了回答，但对于那些喜欢玩代码的人，我忍不住要发表一些涂鸦：

import java.nio.charset.Charset;

public class EncodingTest {

    private static void checkCharacterConversion(String c) {
        byte asUtf8 = c.getBytes(Charset.forName("UTF-8"))[0];
        byte asDefaultEncoding = c.getBytes()[0];
        byte directConversion = (byte)c.charAt(0);
        if (asUtf8 != asDefaultEncoding) {
            System.out.println(String.format(
                "First char of %s has different result in UTF-8 %d and default encoding %d",
                c, asUtf8, asDefaultEncoding));
        }
        if (asUtf8 != directConversion) {
            System.out.println(String.format(
                "First char of %s has different result in UTF-8 %d and direct as byte %d",
                c, asUtf8, directConversion));
        }
    }

    public static void main(String[] argv) {

       // btw: first time I ever wrote a for loop with a char - feels weird to me
       for (char c = '\0'; c <= '\u007f'; c++) {
           String cc = new String(new char[] {c});
           checkCharacterConversion(cc);
       }
    }
}

您将无法获得任何输出。 当然，如果您尝试以下操作，每个字节（ok，第一个除外）都会出错：

java -Dfile.encoding="UTF-16BE"  EncodingTest

因为在“big-endian”中，ascii字符的第一个字节始终为零。 这是因为在UTF-16中，ascii字符

'\u00xy

由两个字节表示，在UTF16-LE中表示为

[xy，0]

，在UTF16-BE中表示为

[0，xy]

---

但是，只有第一条语句产生任何输出，因此前127个ascii字符的

b

和

c

实际上是相同的，因为在UTF-8中，它们是由单个字节编码的。然而，这对于任何其他角色都是不正确的；它们在UTF-8中都有多字节表示。

绝对如此。尝试“UTF-16值大于127的任何字符”。既然有超过255个字符，您怎么可能期望将

char

转换为

byte

，而不丢失信息呢？@JonSkeet那么，仅前127个字符如何？

java -Dfile.encoding="UTF-16BE"  EncodingTest