char[] 到 byte[] 背后的 Java 11 Compact Strings 魔术

Question

在过去的两天里，我一直在阅读有关编码 Unicode Java 9 紧凑字符串的信息，我感觉很好。但是有些东西我不明白。关于字节数据类型1）。是一个 8 位存储范围从 -128 到 127问题1）。为什么Java没有像char unsigned 16 bits那样实现它？我的意思是它会在 0.256 的范围内，因为从 0 到 127 我只能保存一个 Ascii 值，但是如果我将值设置为 200 会发生什么，扩展的 ascii 会溢出到 -56。2）。负值是否意味着我的意思是我尝试了一个使用 Java 11 的简单示例final char value = (char)200;//in byte would overflowfinal String stringValue = new String(new char[]{value});System.out.println(stringValue);//THE SAME VALUE OF JAVA 8我检查了 String.value 变量，我看到了一个字节数组System.out.println(value[0]);//-56出现与之前相同的问题，-56 是否意味着其他语言中的（负值）这个溢出被检测到返回值 200？Java 怎么知道 -56 值与 char 中的 200 相同。我尝试了最难的例子，比如代码点 128048，我在 String.value 变量中看到了一个这样的字节数组。0 = 61 1 = -402 = 483 = -36我知道这个代码点需要 4 个字节，但我知道如何将 char[] 转换为 byte[] ，但我不知道 String 如何处理这个 byte[] 数据。对不起，如果这个问题很简单，对不起，任何打字英语都不是我的自然语言，非常感谢。

Answer 1

为什么Java没有像char unsigned 16 bits那样实现它？我的意思是它会在 0.256 的范围内，因为从 0 到 127 我只能保存一个 Ascii 值，但是如果我将值设置为 200 会发生什么，扩展的 ascii 会溢出到 -56。

Java 的原始数据类型在 25 年前的 Java 1.0 中得到了解决。不到两年前，Java 9 中引入了紧凑字符串。这个新特性只是一个实现细节，并不能证明 Java 类型系统的根本变化是合理的。

除此之外，您正在查看存储在一个字节中的数据的一种解释。为了表示 iso-latin-1 单位，将相同的数据解释为 Java 内置的 signedbyte是否会导致正数或负数完全无关紧要。

同样，Java 的 I/O API 允许将文件读入byte[]数组并将数组写byte[]回文件，这两个操作已经足以无损地复制文件，而不管其文件格式在解释其内容时是否相关。

所以从 Java 1.1 开始以下工作：

byte[] bytes = "È".getBytes("iso-8859-1");

System.out.println(bytes[0]);

System.out.println(bytes[0] & 0xff);

-56

200

这两个数字，-56和200只是位模式的不同解释，而包含位模式的11001000iso-latin-1 解释是字符。byte11001000È

值char也只是对两个字节数量的解释，即作为 UTF-16 代码单元。同样，char[]数组是计算机内存中具有标准解释的字节序列。

我们也可以用这种方式解释其他字节序列。

StringBuilder sb = new StringBuilder().appendCodePoint(128048);

byte[] array = new byte[4];

StandardCharsets.UTF_16LE.newEncoder()

    .encode(CharBuffer.wrap(sb), ByteBuffer.wrap(array), true);

System.out.println(Arrays.toString(array));

将打印您看到的值，[61, -40, 48, -36].

在类中使用byte[]数组的优点String是，现在可以选择解释，当所有字符都可以用这种编码表示时使用 iso-latin-1，否则使用 utf-16。

可能的数字解释与字符串无关。但是，当你问“Java 怎么知道 -56 值与 200 相同”时，你应该问自己，它是如何知道11001000abyte的位模式-56在首位的？

System.out.println(value[0]);

与普通计算机算术相比，a byte（或 an int）到 a的转换实际上是一个昂贵的操作String。这种转换操作经常被忽略，因为它已被定义为打印 a 的默认方式，但并不比将值解释为无符号数量byte的转换更自然。String为了进一步阅读，我推荐二进制补码。

Answer 2

这是因为并非字符串中的所有字节都被解释为相同的。这取决于字符串的字符编码。

例子：

• 如果字符串是 UTF-8 字符串，则其字符大小为 8 位。

• 在 UTF-16 字符串中，其字符大小为 16 位。

• ETC...

这意味着，如果要将字符串表示为 UTF-8，则字符将通过一次读取 1 个字节来生成；如果是 16 位，则字符将通过一次读取 2 个字节来生成。

看这段代码：data使用 UTF-8 和 UTF-16 将单字节数组转换为字符串。

byte[] data = new byte[] {97, 98, 99, 100};

System.out.println(new String(data, StandardCharsets.UTF_8));

System.out.println(new String(data, StandardCharsets.UTF_16));

这段代码的输出是：

abcd // 4 bytes = 4 chars, 1 byte per char

慢捤  // 4 bytes = 2 chars, 2 byte per char

回到这个问题，开发人员这样做的动机是减少字符串的内存占用。并非所有字符串都使用所有 16 位 achar报价。