Java String UTF-8限制

Question

我正在尝试直接从文件中反序列化字符串，并且我有一个关于很长的字符串的问题：Java字符串的字符数限制等于Integer.MAX_VALUE ，即31 ^ 2-1。

但是这里出现了我的问题：当我有一个UTF-8字符串，该字符串的大小小于该大小，但由大于1个字节的字符组成，然后我要求Java给我字节数组时，会发生什么？

更清楚地说，如果我可以运行此代码会怎样？ （我的RAM还不够）：

String toPrint = "";
String string100 = "";
int max = Integer.MAX_VALUE -100;
for (int i = 0; i < 100; i += 10) {
    string100 += "1234567ñ90";
}
for (int i = 0; i < max; i += 100) {
    toPrint += string100;
}
System.out.println("String complete!");
byte[] byteArray = toPrint.getBytes(StandardCharsets.UTF_8);
System.out.println(byteArray.length);
System.exit(0);

它是否显示“字符串已完成！”？ 还是以前打破过？

Answer 1

从根本上说，对Strings的限制是它们内部的char数组不能超过最大数组长度，该长度大约为Integer.MAX_VALUE且大于您的变量max 。 字符串将其字符存储在UTF-16中，因此字符串的UTF-16表示形式不能超过最大数组长度。 最终，UTF-8中的字节数和逻辑字符（Unicode代码点或UTF-32字符）的数量无关紧要。

现在，让我们转到您的特定示例。 由于“1234567ñ90”中的10个字符中的每个字符都是单个UTF-16值，因此该字符串占用String的char数组的10个值。 尽管您的代码的性能令人恐惧，并且对内存的要求很高，但最终它应该变成“字符串完成！”。 如果有足够的可用内存。 但是，当转换为UTF-8时，它将中断，因为字符串的UTF-8表示比最大数组长度长，因为“？”需要多个字节。

Answer 2

数组大小也限制为Integer.MAX_VALUE （这就是为什么String大小受到限制，毕竟有char[]支持它），因此，如果编码使用的字节多于此，则不可能获得字节数组，无论String大小以字符为单位。

最终结果将是OutOfMemoryError ，但是首先创建String将会成功。