美團面試官問我一個字符 String.length()是多少我說1面試官說滾

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

以上結果輸出為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。

<code>    /**
     * Returns the length of this string.
     * The length is equal to the number of   in the string.
     *
     * @return  the length of the sequence of characters represented by this
     *          object.
     */
    public int length() { 

        return value.length;
    }/<code>

接著使用google翻譯對這段英文進行了翻譯，得到了大體意思：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：喬戈裡，那這又是啥意思呢？喬哥：前幾天我寫的一篇文章：[https://mp.weixin.qq.com/s/Zn-BnMd2tohHPpvMhLFYxw](https://mp.weixin.qq.com/s/Zn-BnMd2tohHPpvMhLFYxw)裡面對於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說

• 內碼：char或String在內存裡使用的編碼方式。
• 外碼：除了內碼都可以認為是“外碼”。（包括class文件的編碼）

而java內碼：unicode（utf-16）中使用的是utf-16.所以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。

https://xiaogd.net/。UTF-X 中的數字 X 就是各自代碼單元的位數。

UTF-16 的 16 指的就是最小為 16 位一個單元，也即兩字節為一個單元，UTF-16 可以包含一個單元和兩個單元，對應即是兩個字節和四個字節。我們操作 UTF-16 時就是以它的一個單元為基本單位的。

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https://mp.weixin.qq.com/s/QjU9lSekpbaF7fugZbyzkg這裡面提到，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！

而上面我的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，所以對於這個字符UTF-16需要使用四個字節進行編碼，也就是使用兩個代碼單元！

所以你才看到我的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！

<code>public class testStringLength {
    public static void main(String [] args){
        String B = ""; // 這個就是那個音符字符，只不過由於當前的網頁沒支持這種編碼，所以沒顯示。
        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()));
       
    }
}/<code>

可以看到通過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.之前不是說音符字符是“U+1D11E”，為什麼UTF-16是"uD834uDD1E"，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：

https://blog.csdn.net/u012425381/article/details/38760179

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。

比如剛才音符字符（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，如果令字符串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“，所以會得到它的代碼點數是2，代碼單元數也是2。

但如果令字符str = "uD834uDD1E"，那麼機器會識別它是2個代碼單元代理，但是是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.

https://mp.weixin.qq.com/s/QjU9lSekpbaF7fugZbyzkg

上圖是對應的轉換規則：

• 首先 U+1D11E-U+10000 = U+0D11E
• 接著將U+0D11E轉換為二進制：0000 1101 0001 0001 1110，前10位是0000 1101 00 後10位是01 0001 1110
• 接著套用模板：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
• 然後將得到的二進制轉換為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，它的一單元自然也就是四字節了。
• UTF-8 的 8 指的就是最小為 8 位一個單元，也即一字節為一個單元，UTF-8 可以包含一個單元，二個單元，三個單元及四個單元，對應即是一，二，三及四字節。

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

閱讀更多 程序員喬戈裡 的文章

關鍵字: 美團網 Java 字符