UTF-16编码问题

Question

        String str1="a";
        String str2="b";
        String str3="c";
        String str4="abc";
        System.out.println(str1.getBytes("UTF-16").length);//4
        System.out.println(str2.getBytes("UTF-16").length);//4
        System.out.println(str3.getBytes("UTF-16").length);//4
        System.out.println(str4.getBytes("UTF-16").length);//8

        System.out.println(str1.getBytes("UTF-8").length);//1
        System.out.println(str2.getBytes("UTF-8").length);//1
        System.out.println(str3.getBytes("UTF-8").length);//1
        System.out.println(str4.getBytes("UTF-8").length);//3

        System.out.println(str1.getBytes("UTF-32").length);//4
        System.out.println(str2.getBytes("UTF-32").length);//4
        System.out.println(str3.getBytes("UTF-32").length);//4
        System.out.println(str4.getBytes("UTF-32").length);//12

Unicde编码中不明白的，像UTF-8/UTF-32中str4编码后字节数都是str1+str2+str3，但UTF-16则不然，UTF-16到底是如何编码的呢？求赐教。

Answer 1

UTF-16是可变长度的，最少为两个字节的编码格式。因为是两个字节，就牵扯到Big Endian和Small Endian。你上面的例子因为没有指定endianess，所以加上两个字节的BOM。再加上原来字符(ASCII)编码的两个字节，所以是4个字节。如果用utf-16-le或者utf-16-be，就会是两个字节。具体Java如何表示请自查。

Answer 2

UTF-16解码后

feff0061 //a
feff0062 //b
feff0063 //c
feff006100620063 //abc

开头都有feff，其用来表示该字符串是大端(高位字节放前面)，之所以有这个标示是因为系统中存在大端和小端(高位字节在后面)两种模式，大端中0x01 0x02读取为0x0102，而同样的值在小端下读取值则为0x0201，不同，所以需要在feff来标示。