Java中字符串的字节数

Question

在 Java 中，如果我有一个字符串 x，我如何计算该字符串中的字节数？

Answer 1

字符串是字符（即代码点）的列表。用于表示字符串的字节数完全取决于您使用哪种编码将其转换为字节。

也就是说，你可以把字符串转成字节数组，然后看它的大小如下：

// The input string for this test
final String string = "Hello World";

// Check length, in characters
System.out.println(string.length()); // prints "11"

// Check encoded sizes
final byte[] utf8Bytes = string.getBytes("UTF-8");
System.out.println(utf8Bytes.length); // prints "11"

final byte[] utf16Bytes= string.getBytes("UTF-16");
System.out.println(utf16Bytes.length); // prints "24"

final byte[] utf32Bytes = string.getBytes("UTF-32");
System.out.println(utf32Bytes.length); // prints "44"

final byte[] isoBytes = string.getBytes("ISO-8859-1");
System.out.println(isoBytes.length); // prints "11"

final byte[] winBytes = string.getBytes("CP1252");
System.out.println(winBytes.length); // prints "11"

所以你看，即使是一个简单的“ASCII”字符串在其表示中也可以有不同数量的字节，这取决于所使用的编码。使用您对案例感兴趣的任何字符集作为getBytes() 的参数。并且不要陷入假设 UTF-8 将 每个 字符表示为单个字节的陷阱，因为这也不正确：

final String interesting = "\uF93D\uF936\uF949\uF942"; // Chinese ideograms

// Check length, in characters
System.out.println(interesting.length()); // prints "4"

// Check encoded sizes
final byte[] utf8Bytes = interesting.getBytes("UTF-8");
System.out.println(utf8Bytes.length); // prints "12"

final byte[] utf16Bytes= interesting.getBytes("UTF-16");
System.out.println(utf16Bytes.length); // prints "10"

final byte[] utf32Bytes = interesting.getBytes("UTF-32");
System.out.println(utf32Bytes.length); // prints "16"

final byte[] isoBytes = interesting.getBytes("ISO-8859-1");
System.out.println(isoBytes.length); // prints "4" (probably encoded "????")

final byte[] winBytes = interesting.getBytes("CP1252");
System.out.println(winBytes.length); // prints "4" (probably encoded "????")

（请注意，如果您不提供字符集参数，则会使用平台的默认字符集。这在某些情况下可能很有用，但通常您应该避免依赖默认值，并且在需要编码/解码时始终使用显式字符集。）

Answer 2

如果您使用 64 位引用运行：

sizeof(string) = 
8 + // object header used by the VM
8 + // 64-bit reference to char array (value)
8 + string.length() * 2 + // character array itself (object header + 16-bit chars)
4 + // offset integer
4 + // count integer
4 + // cached hash code

换句话说：

sizeof(string) = 36 + string.length() * 2

在 32 位 VM 或具有压缩 OOP (-XX:+UseCompressedOops) 的 64 位 VM 上，引用为 4 个字节。所以总数是：

sizeof(string) = 32 + string.length() * 2

这不考虑对字符串对象的引用。

Answer 3

迂腐的答案（虽然不一定是最有用的答案，取决于你想对结果做什么）是：

string.length() * 2

Java 字符串物理存储在 UTF-16BE 编码中，每个代码单元使用 2 个字节，String.length() 以 UTF-16 代码单元测量长度，所以这相当于：

final byte[] utf16Bytes= string.getBytes("UTF-16BE");
System.out.println(utf16Bytes.length);

这将告诉您内部char 数组的大小，以字节为单位。

注意："UTF-16" 将给出与 "UTF-16BE" 不同的结果，因为前一种编码将插入一个 BOM，将数组长度增加 2 个字节。

Answer 4

根据How to convert Strings to and from UTF8 byte arrays in Java：

String s = "some text here";
byte[] b = s.getBytes("UTF-8");
System.out.println(b.length);

Answer 5

String 实例在内存中分配一定数量的字节。也许您正在查看类似 sizeof("Hello World") 的东西，它会返回数据结构本身分配的字节数？

在Java 中，通常不需要sizeof 函数，因为我们从不分配内存来存储数据结构。我们可以查看String.java 文件进行粗略估计，我们会看到一些'int'、一些参考和char[]。 Java language specification 定义了 char 的范围从 0 到 65535，因此两个字节足以在内存中保留一个字符。但是 JVM 不必在 2 个字节中存储一个字符，它只需要保证 char 的实现可以保存定义范围的值。

所以sizeof 在 Java 中真的没有任何意义。但是，假设我们有一个很大的 String 并且一个 char 分配了两个字节，那么 String 对象的内存占用至少是 2 * str.length() 以字节为单位。

Answer 6

有一个方法叫做getBytes()。明智地使用它。

Answer 7

试试这个：

Bytes.toBytes(x).length

假设你之前声明并初始化了 x

Answer 8

为避免 try catch，请使用：

String s = "some text here";
byte[] b = s.getBytes(StandardCharsets.UTF_8);
System.out.println(b.length);

Answer 9

用apache commons试试这个：

String src = "Hello"; //This will work with any serialisable object
System.out.println(
            "Object Size:" + SerializationUtils.serialize((Serializable) src).length)