文字列エンコーディングにおけるバイト使用量

Java で文字列内のバイト数を計算するには、使用されているエンコーディング方法を考慮する必要があります。文字列は文字のシーケンスであり、文字列を表すために必要なバイト数は、文字列をバイトに変換するために使用されるエンコード スキームによって異なります。

バイト数の決定

取得するには文字列のサイズをバイト単位で取得し、getBytes() メソッドを使用してバイト配列に変換し、配列を検査します。サイズ:

String string = "Hello World";
byte[] utf8Bytes = string.getBytes("UTF-8");
int byteCount = utf8Bytes.length;

エンコーディングに関する考慮事項

エンコーディング スキームはバイト数に影響します。同じ文字列に異なるエンコーディングが適用される例を次に示します。

byte[] utf8Bytes = string.getBytes("UTF-8");  // Each char as 1 byte
byte[] utf16Bytes = string.getBytes("UTF-16"); // Each char as 2 bytes
byte[] utf32Bytes = string.getBytes("UTF-32"); // Each char as 4 bytes
byte[] isoBytes = string.getBytes("ISO-8859-1");  // Each ASCII char as 1 byte
byte[] winBytes = string.getBytes("CP1252");   // Each ASCII char as 1 byte

特殊文字とマルチバイト エンコーディング

ASCII 文字列であっても、エンコーディングに応じてバイト数が異なる場合があります。たとえば、UTF-8 では、一部の文字に複数バイトが必要な場合があります。

String interesting = "\uF93D\uF936\uF949\uF942"; // Chinese ideograms
byte[] utf8Bytes = interesting.getBytes("UTF-8");  // Each char as 3 bytes

デフォルトのエンコーディングと明示的な仕様

エンコーディング引数が指定されていない場合は、プラットフォームのデフォルトの文字セットが使用されます。予期しない結果を避けるために、目的の文字セットを常に明示的に指定することをお勧めします。