Contando bytes de string em Java

Em Java, strings são uma coleção de caracteres que podem conter um número variável de bytes. O número de bytes que uma string ocupa depende do conjunto de caracteres usado para codificá-la.

Obtendo a contagem de bytes codificados

Para determinar o número de bytes em uma string, você pode convertê-lo em uma matriz de bytes usando o método getBytes(). Este método usa um formato de codificação como argumento e retorna uma matriz de bytes preenchida com a string codificada. O comprimento da matriz representa o número de bytes na string codificada.

Exemplo:

String string = "Hello World";

// Get UTF-8 encoded byte count
byte[] utf8Bytes = string.getBytes("UTF-8");
System.out.println(utf8Bytes.length); // prints 11

// Get UTF-16 encoded byte count
byte[] utf16Bytes = string.getBytes("UTF-16");
System.out.println(utf16Bytes.length); // prints 24

// Get UTF-32 encoded byte count
byte[] utf32Bytes = string.getBytes("UTF-32");
System.out.println(utf32Bytes.length); // prints 44

Variações de codificação

Como você pode ver no exemplo, mesmo uma string ASCII como "Hello World" pode ter diferentes contagens de bytes dependendo da codificação usado.

Conjuntos de caracteres

É crucial selecionar o conjunto de caracteres apropriado ao codificar uma string. Conjuntos de caracteres diferentes usam métodos diferentes para representar caracteres como bytes, levando a contagens de bytes variadas.

Conjunto de caracteres padrão

Se você não especificar um conjunto de caracteres, Java usa o conjunto de caracteres padrão da plataforma. No entanto, é aconselhável evitar confiar em padrões e especificar explicitamente o conjunto de caracteres para garantir resultados consistentes.