什么是Java的String内部表示？修改过的UTF-8？ UTF-16？

Question

我在Java的内部表示中搜索了String，但我有两种看起来可靠但不一致的材料。

一个是：

http://www.codeguru.com/cpp/misc/misc/multi-lingualsupport/article.php/c10451

它说：

Java使用UTF-16作为内部文本表示，并支持对字符串序列化进行非标准的UTF-8修改。

另一个是：

http://en.wikipedia.org/wiki/UTF-8#Modified_UTF-8

它说：

Tcl也使用与Java相同的修改后的UTF-8 [25]来表示Unicode数据，但对外部数据使用严格的CESU-8。

修改过的UTF-8？还是UTF-16？哪一个是正确的？ Java在内存中使用了多少字节？

请让我知道哪一个是正确的以及它使用了多少字节。

Answer 1

Java使用UTF-16进行内部文本表示

Java中String和StringBuilder等的表示形式是UTF-16

https://docs.oracle.com/javase/8/docs/technotes/guides/intl/overview.html

文本如何在Java平台中表示？

Java编程语言基于Unicode字符集，并且有几个库实现了Unicode标准。 Java编程语言中的原始数据类型char是无符号的16位整数，可以表示U + 0000到U + FFFF范围内的Unicode代码点，或UTF-16的代码单元。 Java平台中表示字符序列的各种类型和类 - char []，java.lang.CharSequence的实现（例如String类）以及java.text.CharacterIterator的实现 - 是UTF-16序列。

在JVM级别，如果您使用-XX:+UseCompressedStrings（这是Java 6的某些更新的默认值）实际的内存中表示可以是8位，ISO-8859-1但仅适用于不需要UTF-16编码的字符串。

http://www.oracle.com/technetwork/java/javase/tech/vmoptions-jsp-140102.html

并支持UTF-8的非标准修改以进行字符串序列化。

序列化字符串默认使用UTF-8。

Java在内存中使用了多少字节？

如果忽略对象中填充的需要，char总是两个字节。

注意：代码点（允许字符> 65535）可以使用一个或两个字符，即2或4个字节。

Answer 2

在Java 9之前，Java String的标准内存表示是在char[]中保存的UTF-16代码单元。修改后的UTF-8用于其他环境;例如在“.class”文件中，以及对象序列化格式。

您可以通过查看java.lang.String类的源代码来确认这一点。

使用Java 6更新21及更高版本，有一个非标准选项（-XX:UseCompressedStrings）来启用压缩字符串。 Java 7中删除了此功能。

对于Java 9及更高版本，如果String已更改为默认情况下使用字符串的紧凑表示，则会出现这种情况。 java命令documentation现在说：

-XX：-CompactStrings

禁用紧凑字符串功能。默认情况下，启用此选项。启用此选项后，将仅使用ISO-8859-1 / Latin-1编码在内部表示包含单字节字符的Java字符串，并将其存储为单字节每字符字符串。这减少了50％，仅包含单字节字符的字符串所需的空间量。对于包含至少一个多字节字符的Java字符串：这些字符使用UTF-16编码表示并存储为每个字符2个字节。禁用Compact Strings功能会强制使用UTF-16编码作为所有Java字符串的内部表示。

请注意，“压缩”或“紧凑”字符串均未使用/使用UTF-8编码。

也可以看看：

• Java Platform, Standard Edition What’s New in Oracle JDK 9
• JEP 254: Compact Strings
• Difference between compact strings and compressed strings in Java 9

Answer 3

UTF-16。

来自http://java.sun.com/javase/technologies/core/basic/intl/faq.jsp：

文本如何在Java平台中表示？

Java编程语言基于Unicode字符集，并且有几个库实现了Unicode标准。 Java编程语言中的原始数据类型char是无符号的16位整数，可以表示U + 0000到U + FFFF范围内的Unicode代码点，或UTF-16的代码单元。 Java平台中表示字符序列的各种类型和类 - char []，java.lang.CharSequence的实现（例如String类）以及java.text.CharacterIterator的实现 - 是UTF-16序列。

Answer 4

char的大小是2个字节。

因此，我会说Java使用UTF-16进行内部String表示。

Answer 5

Java在内部将字符串存储为UTF-16，并为每个字符使用2个字节。

Answer 6

java提供18种国际语言和UNICODE字符集，其中包含18种国际语言的所有字符，包含65536个字符。遵循UTF-16的java，因此java中char的大小为2个字节。