Java中理论说是一个字符（汉字 字母）占用两个字节。但是在UTF-8的时候 new String(“字”).getBytes().length 返回的是3 表示3个字节。

    首先要区分清楚内码（internal encoding）和外码（external encoding）

    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，或者外部的文件、命令行参数之类的。

    Java语言规范规定，Java的char类型是UTF-16的code unit，也就是一定是16位（2字节）；

    char, whose values are 16-bit unsigned integers representing UTF-16 code units (§3.1).

    然后字符串是UTF-16 code unit的序列：

    The Java programming language represents text in sequences of 16-bit code units, using the UTF-16 encoding.

    这样，Java规定了字符的内码要用UTF-16编码。或者至少要让用户无法感知到String内部采用了非UTF-16的编码。

    “感知”可以是多方面的，例如随机访问某个下标的code unit（String.charAt()）应该是O(1)操作，这只有使用UTF-16或者别的“定长”编码才可以做到。注意我这里说的“定长”特指code unit定长，而不是说code point定长。

    String.getBytes()是一个用于将String的内码转换为指定的外码的方法。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；将String的内容用外码编码好，结果放在一个新byte[]返回。
    上面的例子里，显然外码是UTF-8，那么调用了String.getBytes()之后得到的byte[]只能表明该外码的性质，而无法碰触到String内码的任何特质。

    1. import java.util.Arrays;
    3. public class Test2 {
    5.     public static void main(String[] args) {
    6.         char c = '汉';  
    7.         System.out.println("汉".codePointAt(0)); //汉的码位27721
    8.         // char是2个字节 也就是最多能表示 65535个数，unicode 编码超过65535的字符char就无法表示
    9.         System.out.println(c);
    10.         String s = "汉";
    11.         System.out.println(Arrays.toString(s.getBytes())); 
    12.         // [-26, -79, -119]  utf-8编码下 “汉” 需要三个字节表示，但是unicode就是两个字节。
    13.     }
    14. }