什么是Java的String内部代表？修改过的UTF-8？UTF-16？

Question

什么是Java的String内部代表？修改过的UTF-8？UTF-16？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

在Java 9之前，Java的标准内存表示String是在a中保存的UTF-16代码单元char[]。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。

在Java 6更新21及更高版本中，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，默认情况下，行为if String已更改为使用Strings的紧凑表示形式。该命令的文档现在这样说：java

-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。