一个汉字究竟占几个字节？

1.一个中文字符在计算机中究竟占几个字节？

一个中文字符在计算机中占几个字节，取决于这个中文字符使用什么字符编码。常见的中文字符编码有以下几种：

• GBK: 中国人自己定义的一套中文字符编码。
• Unicode：也成为万国码，支持全世界所有国家语言文字的字符编码。
• UTF8：是对Unicode编码的一种再编码，一种可变长度编码。

几种常见中文编码之间存的兼容性，如下图所示：

通过上图所示，我们不难发现所有的中文字符集中，只有ASCII码（纯英文字符）的编码是完全兼容的，中文字符GBK编码与Unicode编码完全不兼容。

2.通过一个例子说明

我们发现同一个汉字，使用不同的字符集，其编码也完全不同。

通常我们软件系统，遵循国际化的思想，一律使用Unicode字符集。

注意：中文windows系统默认使用GBK字符集，这就给我们程序员在windows上开发程序，挖了一个大坑！

3.Unicode与UTF8之间的转换关系

Unicode编码的主要目的是维护一个表,它并没有规定一个字符到底用几个字节来表示。如果每个字符都占用两个字节，那么使用频率最高的英文字符就会造成巨大的存储空间浪费。为了解决空间浪费问题，因为就出现了UTF8字符集，UTF-8 就是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。这样做的好处是让使用频率越高的语言字符占用存储空间越少。

Unicode与UTF8之间的转换关系如下表：

Unicode符号范围      |         UTF-8编码方式
(十六进制)           |              （二进制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

汉字‘中’ 的 unicode编码 2D 4E ,其中 4E是高位字节，2D是低位字节，因此真正的Unicode编码应该是 4E 2D, 汉字 ‘中’ 的UTF-8编码是：E4 B8 AD。

把汉字'中'的unicode编码 4E 2D ,转换为UTF8编码 E4 B8 AD,的过程如下图所示：

4.小结

• 一个汉字占多少字节，取决于这个汉字使用什么字符编码。
• 如果使用GBK编码，占用两个字节。
• 如果使用Unicode 编码，占用两个字节。注意：unicode字符文件规定必须以FF FE 开头，所以如果只有一个汉字，那么就是4个字节。
• 如果是UTF8编码，占用三个字节。
• 在软件系统中，强烈推荐中文字符一律使用utf-8编码，以支持国际化。