Java一个汉字UTF-8编码占用字节分析

一、UTF-8编码简介

UTF-8是一种变长的编码方式，它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。它是Unicode实现的一种字符编码，是为了解决传统的ASCII编码的局限性而产生的。

二、Java中汉字UTF-8编码

1、Java中的字符串是Unicode编码，而汉字在Unicode中占用两个字节。

2、在Java中，每个字符都是用unicode编码表示的，而汉字也不例外，每个汉字都是用两个字节表示的，比如“中”这个汉字，在Unicode中的编码是\u4e2d，也就是十六进制的4e2d，二进制的1001110000101101。

三、汉字UTF-8编码占用字节分析

1、汉字在UTF-8编码中占用的字节数，取决于汉字在Unicode编码中的长度。如果汉字的Unicode编码小于0x80，那么它只需要一个字节就可以表示；如果大于0x80，小于0x800，那么它需要两个字节表示；大于0x800，小于0x10000，那么它需要三个字节表示；大于0x10000，小于0x200000，那么它需要四个字节表示。

2、因此，一个汉字在UTF-8编码中占用的字节数，取决于它在Unicode编码中的长度，如果Unicode编码小于0x80，那么它只需要一个字节就可以表示；如果大于0x80，小于0x800，那么它需要两个字节表示；大于0x800，小于0x10000，那么它需要三个字节表示；大于0x10000，小于0x200000，那么它需要四个字节表示。

四、示例代码

1234public static void main(String[] args) {
    String s = "中";
    char c = s.charAt(0);
    System.out.println("字符：" + c);
    System.out.println("Unicode编码：" + Integer.toHexString(c));
    System.out.println("UTF-8编码：" + Integer.toHexString(c).toUpperCase());
}

上面的代码中，我们定义了一个字符串s，其中包含一个汉字“中”，然后我们使用charAt()方法获取字符串s中的第一个字符，然后使用Integer.toHexString()方法将其转换成Unicode编码，最后使用toUpperCase()方法将Unicode编码转换成UTF-8编码。运行结果如下：

12字符：中
Unicode编码：4e2d
UTF-8编码：4E2D

可以看出，汉字“中”在Unicode编码中占用两个字节，在UTF-8编码中也占用两个字节，即4E2D。