统计CSV每行大小用line.getBytes().length还是line.length()*Character.BYTES

要和Mac文件管理器显示的CSV文件常规大小对齐，使用line.getBytes().length（需显式指定文件对应字符集）的方案更准确。

两种计算方式的本质区别 #

• line.length() * Character.BYTES
  Java中Character.BYTES固定为2，对应的是字符串以UTF-16编码存储的单字符字节长度。该计算方式得到的是字符串转为UTF-16编码后的总字节数，但日常使用的CSV文件几乎不会采用UTF-16编码存储，因此这个结果和实际文件存储大小偏差极大。你测试得到的1682是841的两倍，就是因为测试行的内容均为单字节字符（英文、数字、半角符号等），UTF-16编码下每个字符占2字节，正好是UTF-8编码下字节数的两倍。
• line.getBytes().length
  该方法是将字符串按照指定字符集编码为字节数组后统计长度，和文件实际存储的编码逻辑一致，因此结果更贴合实际文件大小。

使用getBytes()的注意事项 #

• 显式指定字符集：无参的getBytes()会默认使用JVM的系统字符集，可能和CSV文件的实际编码不一致导致统计偏差，建议根据文件编码显式指定，例如UTF-8编码的文件使用line.getBytes(StandardCharsets.UTF_8).length计算。
• 补全换行符字节：使用BufferedReader.readLine()读取行内容时，会自动丢弃行尾的换行符（Mac/Unix下为\n占1字节，Windows下为\r\n占2字节），累加总大小时需要对应加上换行符的字节数，否则总大小会小于实际文件大小。

补充说明 #

如果你需要完全对齐Mac Finder显示的文件大小，要注意Finder默认展示的是文件占用的磁盘块大小（会比文件实际逻辑字节数略大，对齐磁盘块分配规则），如果你只是需要统计文件的逻辑字节总大小，或者需要用单行大小做后续业务逻辑，上述调整后的getBytes()方案即可满足需求。

内容的提问来源于stack exchange，提问作者stackerstack