UTF-8编码中length()计算长度的错误用法

本文链接：https://blog.csdn.net/MAPLE__f/article/details/131662688

在处理UTF-8编码的字符串时，直接使用String的length()方法可能会导致请求报文长度计算错误，因为length()返回的是字节数而非实际字符数。为获取正确长度，应使用getBytes(StandardCharsets.UTF_8).length，这将返回字符串按UTF-8编码后的字节数，确保请求报文完整。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

要计算一段XML压缩后的数据长度

开始考虑的是直接使用String的length(),发现可以正常获取长度，但是这个长度在postman中作为请求报文头的时候，显示请求失败。就意味这个获取到的长度是错误的，导致那边截取我发的请求报文截取不完整。

后面想到了本报文采用的是“UTF-8”标准。

UTF-8编码和GBK编码的字符串,使用length()方法计算长度会有差异。这是因为:

UTF-8是一种变长编码,一个字符可能占用1-4个字节。而GBK是一种定长编码,每个字符固定占2个字节。

length()方法获取的长度是字符串的字节数,而不是真实的字符数。

所以,对于UTF-8编码的字符串,length()获取的长度和真实字符数可能不同。

例如,以下字符串:

张三李四王五

UTF-8编码:18个字节,10个字符
GBK编码:20个字节,10个字符

如果使用length(),结果是:

UTF-8:18
GBK:20

可以看出,对UTF-8编码的字符串,length()得到的长度少于真实字符数。

而对GBK编码的字符串,length()得到的长度正好等于字符数。

所以现在修改方法，采用

getBytes(StandardCharsets.UTF_8).length

这是因为:

getBytes(StandardCharsets.UTF_8)可以将字符串按UTF-8编码转换为字节数组。所以,bytes.length就等于字符串的真实字节数,也就是编码后的大小。

对上例字符串,结果是:

message.getBytes(StandardCharsets.UTF_8).length = 18

这就等于该字符串的UTF-8编码后的长度,也就是真实的大小。

所以,对UTF-8编码的字符串,如果想获取真实的长度或大小,应使用getBytes(StandardCharsets.UTF_8).length, 而不是length()。

length()方法适用于定长编码的字符串,如果用于UTF-8等变长编码,结果可能不准确。

       System.out.println("length():"+compactXml.length());
       System.out.println("length():"+compactXml.getBytes(StandardCharsets.UTF_8).length);