Java中如何将代码点转换为UTF-8字节数组？

在Java里，把整数代码点转成UTF-8字节数组，最惯用且高效的标准库方案是使用CharsetEncoder，它能直接跳过创建中间String的步骤，减少内存开销，尤其适合批量处理或者对性能敏感的场景。

1. 高性能方案：使用CharsetEncoder #

CharsetEncoder是NIO工具类，专门负责把字符/代码点编码成指定字符集的字节流，直接操作缓冲区，没有多余的对象创建。

单个代码点的转换示例：

import java.nio.ByteBuffer;
import java.nio.CharBuffer;
import java.nio.charset.CharacterCodingException;
import java.nio.charset.StandardCharsets;

public class CodePointConverter {
    public static byte[] codePointToUtf8(int codePoint) throws CharacterCodingException {
        var encoder = StandardCharsets.UTF_8.newEncoder();
        var charBuffer = CharBuffer.wrap(Character.toChars(codePoint));
        var byteBuffer = encoder.encode(charBuffer);
        
        byte[] result = new byte[byteBuffer.remaining()];
        byteBuffer.get(result);
        return result;
    }
}

批量写入ByteArrayOutputStream的高效写法：

如果要把多个代码点直接整合到输出流里，这种方式能避免多次数组拷贝：

import java.io.ByteArrayOutputStream;
import java.nio.ByteBuffer;
import java.nio.CharBuffer;
import java.nio.charset.CoderResult;
import java.nio.charset.CharacterCodingException;
import java.nio.charset.StandardCharsets;

public class CodePointStreamWriter {
    public static void writeCodePointsToStream(ByteArrayOutputStream out, int... codePoints) throws CharacterCodingException {
        var encoder = StandardCharsets.UTF_8.newEncoder();
        var charBuffer = CharBuffer.allocate(1024); // 可按需调整缓冲区大小
        var byteBuffer = ByteBuffer.allocate(1024);

        for (int cp : codePoints) {
            charBuffer.put(Character.toChars(cp));
            charBuffer.flip();
            
            // 字节缓冲区满了就写入输出流
            while (encoder.encode(charBuffer, byteBuffer, false) == CoderResult.OVERFLOW) {
                byteBuffer.flip();
                out.write(byteBuffer.array(), 0, byteBuffer.remaining());
                byteBuffer.clear();
            }
            charBuffer.clear();
        }
        // 处理剩余内容并刷新编码器
        encoder.encode(charBuffer, byteBuffer, true);
        encoder.flush(byteBuffer);
        byteBuffer.flip();
        out.write(byteBuffer.array(), 0, byteBuffer.remaining());
    }
}

2. 简单场景的简洁写法 #

如果只是处理单个代码点，且对性能要求不高，也可以用一行极简代码（本质依赖String，但代码量极少）：

byte[] utf8Bytes = String.valueOf(Character.toChars(codePoint)).getBytes(StandardCharsets.UTF_8);

对比你之前的实现 #

你之前用StringBuilder.appendCodePoint()再转String、getBytes的方式，和上面的简洁写法逻辑类似，都会产生中间String对象。而CharsetEncoder直接操作缓冲区，避免了String的额外内存开销与拷贝，在处理大量代码点时性能优势会很明显。

内容的提问来源于stack exchange，提问作者rwallace