字符->字节

字符，人们使用的记号，抽象意义上的一个符号。

字节，计算机中存储数据的单元，一个8位的二进制数，是一个很具体的存储空间。

将字符转换为字节存储在机器中，即为编码。

Unicode及UTF

Unicode是字符编码的标准，其中规定一个字符由一串怎样的01编码代表。UTF-8，UTF-16等可以看做是Unicode不同的实现。

Unicode中有两个重要的概念：

• 代码点（Code Point）。指与一个编码表中的某个字符对应的代码值。即，每个字符有个唯一的代码点。

• 代码单元（Code Unit）。指一种编码实现中，表示一个字符的最小字节数。比如UTF-8中的代码单元是8 bit，表示字母a只需要一个代码单元，但表示汉字我需要3个代码单元。（显而易见，UTF采用变长编码是为了节省内存，不然编码a~z这类代码点很小的字符会浪费大量内存）

内码&外码

内码是程序内部使用的字符编码，特别是某种语言实现其char或String类型在内存里用的内部编码；外码是程序与外部交互时外部使用的字符编码。“外部”相对“内部”而言；不是char或String在内存里用的内部编码的地方都可以认为是“外部”。例如，外部可以是序列化之后的char或String，或者要写到外部文件中的字符的编码。

Java中的字符内码

Java字符内码采用的是UTF-16编码，也就是用2个字节（16 bit）编码一个字符。好处是一个代码单元最多可以表示个字符，可以囊括世界主流语言中的字符，包括中文，因此UTF-16最开始是定长编码（每个字符都由2个字节编码），Java在访问字符串中的字符时，可以做到随机访问。

后来Unicode涵盖了更多的字符，16位也不够了，UTF-16变成了变长的。也就是说有字符在Java中用1个char并不能表示。对于这种字符，String用两个代码单元组成surrogate pair表示，为此Java的标准库还新加了一套用于访问code point的API。

String.getBytes()是一个用于将String的内码转换为指定外码的方法。将String的内容用外码编码好，结果放在一个新byte[]返回。无参数版使用平台的默认编码作为外码，有参数版使用参数指定的编码作为外码。因此用这个方法是无法衡量一个字符（串）在Java内存中是占几个字节的。

数据库中的字符内码

数据库中可以为字段、表、数据库分别指定字符编码，都指定了的话以粒度小的为准。

数据库中VARCHAR这个数据类型定义的长度指的是字符数，而不是字节数。也就是说，当我们定义一个字段的数据类型为VARCHAR(255)时，该字段最多可以存255个字符。假设该字段是UTF-8编码，存数字最多可以存255字节，但是存汉字能存255*3个字节。

虽然MySQL规定VARCHAR类型的最大长度是65535，但MySQL同时也规定了行记录的总长度不能超过65535个字节，因此如果一个VARCHAR类型的字段的编码是UTF-8，那它能容纳的最大字符数为(65535-1-2-4)/3=21842。其中，减1的原因是实际行的存储从第2个字节开始，减2的原因是varchar头部的2个字节表示长度，减4的原因是字段id的int类型占用4个字节，除以3的原因是一个utf8字符最多占用3个字节。

参考

Java 语言中一个字符占几个字节？

mysql 数据库中varchar的长度与字节，字符串的关系

字符，字节和编码