Java字符串的内部表示

Question

我知道Java中的字符串内部表示是UTF-16。 Java字符串是如何表示的？

此外，我了解在UTF-16字符串中，每个“字符”都由一个或两个16位代码单元编码。

然而，当我调试以下Java代码时：

String hello = "Hello";

变量hello是一个由5个字节组成的数组，分别是0x48、0x101、0x108、0x108、0x111，这是ASCII码中表示“Hello”的方式。

这是怎么实现的呢？

- Yoaz Menda

---

你是如何调试这个问题的？它只是一个字符数组。 - Ferrybig

你确定你看到的不是变量名吗？ - Fildor

@MarounMaroun 好观点... - Fildor

这是我Intellij调试器的截图。是的，Ferrybig - 这是一个字符数组。 - Yoaz Menda

你怎么知道的？IntelliJ IDEA调试器不会显示用于存储char值的字节数。 - yole

Answer 1

我使用以下代码捕获了一个迷你Java进程的Gcore转储：

 class Hi {
    public static void main(String args[]) {
        String hello = "Hello";
        try {
            Thread.sleep(60_000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }

    }
}

我在Ubuntu上使用jps获取pid并将其传递给gcore进行内存转储。

在Hexeditor中发现以下内容：48 65 6C 6C 6F，因此它作为ASCII字符存储在内存中。

但是还有48 00 65 00 6C 00 6C，这是String的UTF-16表示的一部分。

- Rob Audenaerde

---

是的，在编译后的.class文件的常量池中，它是以ASCII（或者更确切地说是UTF8）的形式存在的。 - yole

好的，这个答案与@yole上面的评论结合起来（Intellij调试器现在不一定显示每个字符的大小）回答了这个问题。谢谢！ - Yoaz Menda

Answer 2

String的内部表示没有明确规定，这是实现细节，因此您不能依赖它。很可能在JDK-9中将其更改为使用双重编码（对于可以用Latin-1编码的字符串使用Latin-1，对于其他字符串使用UTF-16）。有关详细信息，请参见JEP-254。此功能已经集成在OpenJDK主代码库中，因此如果您正在使用Java-9早期访问版本，则实际上将具有5个字节。

- Tagir Valeev