java utf8编码-char，字符串类型

Question

public class UTF8 {
    public static void main(String[] args){
        String s = "ﾖ"; //0xFF6E
        System.out.println(s.getBytes().length);//length of the string
        System.out.println(s.charAt(0));//first character in the string
    }
}

输出：

3
ﾖ

请帮助我理解这一点。试图了解utf8编码在Java中的工作方式。按照char 字符的 java doc定义
：char数据类型是单个16位Unicode字符。

这是否意味着Java中的char类型只能支持那些可以用2个字节表示的unicode字符，且不能超过2个字节？

在上面的程序中，为该字符串分配的字节数为3，但是在返回第一个字符的第三行中（java中为2个字节）可以容纳3个字节长的字符吗？真的很困惑吗？

在Java / General中有关此概念的任何良好参考都将受到赞赏。

Answer 1

您的代码示例中没有任何内容直接使用UTF-8。而是使用UTF-16在内存中对Java字符串进行编码。不适合单个16位字符的Unicode代码点将使用称为代理对的2个字符对进行编码。

如果未将参数值传递给String.getBytes()，它将返回一个字节数组，该数组的String内容使用基础操作系统的默认字符集进行编码。如果要确保使用UTF-8编码的数组，则需要getBytes("UTF-8")改用。

调用String.charAt()仅从String的内存存储中返回原始UTF-16编码的char。

因此，在您的示例中，Unicode字符使用UTF-16编码的两个字节（或取决于字节序）ｮ存储在String内存中，但使用三个字节（使用任何操作系统进行编码）存储在字节数组中默认字符集为。0x6E 0xFF``0xFF 0x6E``getBytes()

在UTF-8中，该特定Unicode字符也恰好使用3个字节（0xEF 0xBD 0xAE）。