计算机基础 | 比特、字节、KB的关系，字节和字符的关系

比特、字节、KB的关系

比特（bit）

• 存放一位二进制数，即 0 或 1，最小的存储单位

字节 (byte)

• 1byte = 8bit
• 8个二进制位(bit)为一个字节(b)，最常用的单位。 (常说的一个字节占8位)
• 一个英文字母（不分大小写）占1个字节的空间，一个中文汉字占3-4个字节的空间
• 英文标点占1个字节，中文标点占2个字节

byte KB MB GB 换算关系

• 1 KB = 2 ^ 10 byte = 1024 byte ≈ 10 ^ 3 byte
• 1 MB = 2 ^ 20 byte ≈ 10 ^ 6 byte
• 1 GB = 2 ^ 30 byte ≈ 10 ^ 9 byte
• 1 TB = 1024G
• 1 亿 = 10 ^ 8

小技巧

数据量估算：1 个整数占 4 byte，1 亿个整数占 4 * 10 ^ 8 byte ≈ 400 MB
帮助记忆：1K ≈ 一千个字节 1M ≈ 一百万个字节 1G ≈ 十亿个字节

字节和字符的关系

字符

• a、A、中、+、*、の......均表示一个字符；
• 一般 utf-8 编码下，一个汉字 字符 占用 3 个 字节；
• 一般 gbk 编码下，一个汉字 字符 占用 2 个 字节；

字符集

• ASCII码中，一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间
• GB 2312 编码或 GBK 编码中，一个英文字母字符存储需要1个字节，一个汉字字符存储需要2个字节
• UTF-8编码中，一个英文字符等于一个字节，一个中文（含繁体）等于三个字节
• Unicode编码中，一个英文等于两个字节，一个中文（含繁体）等于两个字节
• UTF-16编码中，一个英文字母字符或一个汉字字符存储都需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）
• UTF-32编码中，世界上任何字符的存储都需要4个字节

UTF-8编码下，按一个中文字符3个字节算，1KB 大小的存储空间 = 1024英文字符 = 341中文字符

Java 中的字节长度计算

Java中的一个char是2个字节。Java采用unicode，2个字节来表示一个字符，这点与C语言中不同，C语言中采用ASCII，在大多数系统中，一个char通常占1个字节，但是在0~127整数之间的字符映射，unicode向下兼容ASCII。而Java采用unicode来表示字符，一个中文或英文字符的unicode编码都占2个字节，但如果采用其他编码方式，一个字符占用的字节数则各不相同。

public class CharTest { 
    public static void main(String[] args){
        String str = "你好Java";
        int byte_len = str.getBytes().length;
        int len = str.length();
        System.out.println("字节长度为：" + byte_len);
        System.out.println("字符长度为：" + len);
        System.out.println("系统默认编码方式：" + System.getProperty("file.encoding"));
    }
}

输出结果

字节长度为：11
字符长度为：7
系统默认编码方式：UTF-8

我的系统的默认编码方式为UTF-8，因此对于字符串 “你好Java”，如果调用length()方法返回其长度，得到的结果将为：7。该方法返回的是字符串的字符数，无论是中文字符还是英文字符，都被看做是一个字符。

如果将其转换为byte数组，而后返回byte数组的长度，得到的结果将为：11。因为在UTF-8编码中，中文占3个字节，而英文字符占1个字节。