Question

请问java默认的字符集是utf8是吗，那么下面这个

String s = "hello我的英雄";
System.out.println(s.getBytes("utf-8").length);
输出16，utf-8编码，一般情况英文字符一个字节，中文字符三个字节。

java默认的编码不是就是utf-8吗，号称所有字符都是2个字节的，怎么回事呢

Answer 1

呃，以前没注意到呢。

java是定义了char为两个字节，同时String的实现也是用char数组的，这应该就是说String是两个字节字符构成的了。可是UTF8规定是英文字符一个字节，中文字符三个字节。这样貌似说java的字符村在内部是用UTF8编码的就貌似矛盾了。

在维基百科上有这么一段话：在通常用法下，Java程序语言在通过InputStreamReader 和OutputStreamWriter读取和写入串的时候支持标准UTF-8。而没有说到java字符串到底是不是UTF8构成的。
同时我们知道java字面转义是\uxxxx的，也就是两个字节的，也就是两个字节确实可以编码所有字符才对。

补充：
好吧，差了资料，在类 Character的文档里面看到了这么些东西。
“char 数据类型（和 Character 对象封装的值）基于原始的 Unicode 规范，将字符定义为固定宽度的 16 位实体。Unicode 标准曾做过修改，以允许那些其表示形式需要超过 16 位的字符。合法代码点 的范围现在是从 U+0000 到 U+10FFFF，即通常所说的 Unicode 标量值。”

嗯，也就是说Unicode原先是定义为2个字节的，但是后来改动了，进行了扩展。而java语言在定义的时候已经定义了char为2个字节，所以Unicode改了java却不能跟着把语言的基础也改了，所以又有——“从 U+0000 到 U+FFFF 的字符集有时也称为 Basic Multilingual Plane (BMP)。代码点大于 U+FFFF 的字符称为增补字符。Java 2 平台在 char 数组以及 String 和 StringBuffer 类中使用 UTF-16 表示形式。在这种表现形式中，增补字符表示为一对 char 值，第一个值取自高代理项 范围，即 (\uD800-\uDBFF)，第二个值取自低代理项 范围，即 (\uDC00-\uDFFF)。 ”也就是用两个char字符来表示一个Unicode值。

总的来说就是char还是两个字节的，但是在表示一些特殊字符的时候需要用到两个连续的char来表示，同时String通过保存了一个char序列来表示字符串。而String的getBytes("utf-8")获得的则是现在标准的UTF8编码字节序列，所以得到的是一个字母是一个字节，一个汉字是三个字节的结果。
哎~~也是乱七八糟的描述，鬼知道Unicode要变动呢这是。。

Answer 2

Java默认的是UNICOM编码一个字符（包括汉字）占两个字节