为什么一个汉字需要一个字符(2个字节)，而需要3个字节？

Question

我有以下程序来测试Java如何处理汉字：

String s3 = "世界您好";
char[] chs = s3.toCharArray();
byte[] bs = s3.getBytes(StandardCharsets.UTF_8);
byte[] bs2 = new String(chs).getBytes(StandardCharsets.UTF_8);

System.out.println("encoding=" + Charset.defaultCharset().name() + ", " + s3 + " char[].length=" + chs.length
                + ", byte[].length=" + bs.length + ", byte[]2.length=" + bs2.length);

打印出来的是：

编码=UTF-8，世界您好char[].length=4，byte[].length=12，byte[]2.length=12

其结果是：

1. 如果使用char保存汉字，则一个汉字需要一个char[]，即Java中的2个字节；
2. 如果使用byte来保存汉字，一个汉字需要3 byte[] s；

我的问题是，如果两个字节足够，为什么我们使用3个字节？如果两个字节不够，为什么我们使用两个字节？

编辑：

我的JVM的默认编码设置为UTF-8。

Answer 1

Java char类型将16位数据存储在一个两个字节的对象中，使用每个位来存储数据。不会这么做的。对于汉字，UTF-8只使用每字节6位来存储数据.另外两位包含控制信息。(根据人物的不同而不同。对于ASCII字符，UTF-8使用7位.)这是一个复杂的编码机制，但它允许UTF-8存储长达32位的字符.这样做的优点是，对于7位( ASCII )字符，每个字符只接受一个字节，这使得它与ASCII向后兼容。但是它需要3个字节来存储16位数据。通过在维基百科上查找它，你可以了解它是如何工作的。