美團面試官問我一個字符的String.length()是多少，我說是1，面試官說你回去好好學一下吧

本文首發於微信公衆號：程序員喬戈裏

public class testT {
    public static void main(String [] args){
        String A = "hi你是喬戈裏";
        System.out.println(A.length());
    }
}

以上結果輸出爲7。

小萌邊說邊在IDEA中的win環境下選中String.length()函數，使用ctrl+B快捷鍵進入到String.length()的定義。

/**
     * Returns the length of this string.
     * The length is equal to the number of <a href="Character.html#unicode">Unicode
     * code units</a> in the string.
     *
     * @return  the length of the sequence of characters represented by this
     *          object.
     */
    public int length() {
        return value.length;
    }

接着使用google翻譯對這段英文進行了翻譯，獲得了大致意思：返回字符串的長度，這一長度等於字符串中的 Unicode 代碼單元的數目。

小萌：喬戈裏，那這又是啥意思呢？ 喬哥：前幾天我寫的一篇文章：面試官問你編碼相關的面試題，把這篇甩給他就完事！裏面對於Java的字符使用的編碼有介紹：

Java中 有內碼和外碼這一區分簡單來講

• 內碼：char或String在內存裏使用的編碼方式。
• 外碼：除了內碼均可以認爲是「外碼」。（包括class文件的編碼）

而java內碼：unicode（utf-16）中使用的是utf-16. 因此上面的那句話再進一步解釋就是：返回字符串的長度，這一長度等於字符串中的UTF-16的代碼單元的數目。

代碼單元指一種轉換格式（UTF）中最小的一個分隔，稱爲一個代碼單元（Code Unit），所以，一種轉換格式只會包含整數個單元。UTF-X 中的數字 X 就是各自代碼單元的位數。

UTF-16 的 16 指的就是最小爲 16 位一個單元，也即兩字節爲一個單元，UTF-16 能夠包含一個單元和兩個單元，對應便是兩個字節和四個字節。咱們操做 UTF-16 時就是以它的一個單元爲基本單位的。

你還記得你前幾天被面試官說菜的時候學到的Unicode知識嗎，在面試官讓我講講Unicode，我講了3秒說沒了，面試官說你可真菜這裏面提到，UTF-16編碼一個字符對於U+0000-U+FFFF範圍內的字符采用2字節進行編碼，而對於字符的碼點大於U+FFFF的字符采用四字節進行編碼，前者是兩字節也就是一個代碼單元，後者一個字符是四字節也就是兩個代碼單元！

而上面個人例子中的那個字符的Unicode值就是「U+1D11E」，這個Unicode的值明顯大於U+FFFF，因此對於這個字符UTF-16須要使用四個字節進行編碼，也就是使用兩個代碼單元！

因此你纔看到個人上面那個示例結果表示一個字符的String.length()長度是2！

來看個例子！

public class testStringLength {
    public static void main(String [] args){
        String B = "𝄞"; // 這個就是那個音符字符，只不過因爲當前的網頁沒支持這種編碼，因此沒顯示。
        String C = "\uD834\uDD1E";// 這個就是音符字符的UTF-16編碼
        System.out.println(C);
        System.out.println(B.length());
        System.out.println(B.codePointCount(0,B.length()));
        // 想獲取這個Java文件本身進行演示的，能夠在個人公衆號【程序員喬戈裏】後臺回覆 6666 獲取
    }
}

能夠看到經過codePointCount()函數得知這個音樂字符是一個字符！

幾個問題： 0.codePointCount是什麼意思呢？ 1.以前不是說音符字符是「U+1D11E」，爲何UTF-16是"\uD834\uDD1E"，這倆之間如何轉換？ 2.前面說了UTF-16的代碼單元，UTF-32和UTF-8的代碼單元是多少呢？

一個一個解答：

第0個問題：

codePointCount其實就是代碼點數的意思，也就是一個字符就對應一個代碼點數。

好比剛纔音符字符（沒辦法打出來），它的代碼點是U+1D11E，但它的代理單元是U+D834和U+DD1E，若是令字符串str = "\u1D11E"，機器識別的不是音符字符，而是一個代碼點」/u1D11「和字符」E「，因此會獲得它的代碼點數是2，代碼單元數也是2。

但若是令字符str = "\uD834\uDD1E"，那麼機器會識別它是2個代碼單元代理，可是是1個代碼點（那個音符字符），故而，length的結果是代碼單元數量2，而codePointCount()的結果是代碼點數量1.

第1個問題

上圖是對應的轉換規則：

• 首先 U+1D11E-U+10000 = U+0D11E
• 接着將U+0D11E轉換爲二進制：0000 1101 0001 0001 1110，前10位是0000 1101 00 後10位是01 0001 1110
• 接着套用模板：110110yyyyyyyyyy 110111xxxxxxxxxx
• U+0D11E的二進制依次從左到右填入進模板：110110 0000 1101 00 110111 01 0001 1110
• 而後將獲得的二進制轉換爲16進制：d834dd1e，也就是你看到的utf-16編碼了

第2個問題

• 同理，UTF-32 以 32 位一個單元，它只包含這一種單元就夠了，它的一單元天然也就是四字節了。
• UTF-8 的 8 指的就是最小爲 8 位一個單元，也即一字節爲一個單元，UTF-8 能夠包含一個單元，二個單元，三個單元及四個單元，對應便是一，二，三及四字節。

參考

• 表情包出自微博@黃小B
• https://blog.csdn.net/u012425381/article/details/38760179
• https://xiaogd.net/
• https://tool.oschina.net/hexconvert
• https://baike.baidu.com/item/Unicode/750500?fr=aladdin

本文首發於微信公衆號：程序員喬戈裏

若是是頭條用戶，能夠在個人頭條號程序員喬戈裏後臺回覆 資源獲取價值59998元的編程和考研資料 以爲文章不錯的歡迎關注個人WX公衆號：程序員喬戈裏
我是BAT大廠後臺開發工程師，，專一分享技術乾貨/編程資源/求職面試/成長感悟等,關注送5000G編程資源和本身整理的一份幫助很多人拿下java的offer的面經附答案，免費下載CSDN資源。

本文由博客一文多發平臺 OpenWrite 發佈！