一个字节真能存 255 个字符吗？聊聊字节和字符

字节和字符是两个特别容易混的概念。

很多人写代码处理文本，碰到乱码、截断、长度算错，根子上都在这。

说白了，搞清楚字节、字符、编码这三者的关系，大部分文本处理的坑就能绕开。

字节是什么？

字节（byte）是计算机存储和传输数据的基本计量单位。

一个字节由 8 个比特（bit）组成。

每个比特只有 0 和 1 两种状态，所以一个字节能表示 2^8 = 256 种不同的状态，对应 0 到 255 这 256 个整数。

注意这里的措辞：是「表示 256 种状态」，不是「存 256 个字符」。

字节本身不关心你存的是字符、数字还是图片像素，它只是一串二进制位。

字符是什么？

字符（character）是文字、字母、数字和各种符号的统称。

比如汉字「中」、字母 A、数字 7、标点 ?，甚至空格和换行，都算字符。

字符是给人看的，字节是给机器存的。

两者中间隔着一层东西，叫编码。

字符和字节靠什么连起来？

靠字符编码。

编码规定了「某个字符」对应「哪一串字节」。

输入文本时，把字符转成字节序列，这个过程叫编码（encode）。

输出文本时，把字节序列还原成字符，这个过程叫解码（decode）。

编码和解码用的规则必须一致，否则就乱码。

最常见的乱码场景，就是 UTF-8 编码的内容拿 GBK 去解码，一堆「锟斤拷」就是这么来的。

一个字节能存多少字符？看编码

不同编码下，一个字符占的字节数完全不一样。

下面这张表直接对比：

编码方式	一个字符占用字节	说明
ASCII	1 字节	只覆盖 128 个字符，英文够用
Latin-1	1 字节	西欧语言，扩展到 256 个字符
GBK	1~2 字节	中文常用 2 字节
UTF-8	1~4 字节	变长编码，最通用
UTF-16	2 或 4 字节	常用字符 2 字节
UTF-32	固定 4 字节	不省空间但定位快

所以「一个字节能存多少字符」这个问题，离开编码就没法回答。

ASCII：一个字节存一个字符

ASCII 是最早的字符编码，1967 年定稿。

它只用了一个字节里的低 7 位，能表示 128 个字符（0 到 127）。

包括大小写英文字母、数字、常见标点和一些控制字符。

最高位那一位空着没用，所以一个 ASCII 字符正好用一个字节存。

这也是「一个字节存一个字符」这种说法的来源。

但它只对英文成立。

UTF-8：变长，中文通常 3 字节

UTF-8 是目前互联网上用得最多的编码。

它最大的特点是变长：不同字符占的字节数不一样。

• ASCII 范围内的字符（英文、数字）仍然只占 1 字节，完全兼容 ASCII
• 拉丁文带音标、希腊文、西里尔文等占 2 字节
• 绝大多数常用汉字占 3 字节
• emoji、生僻字、部分扩展汉字占 4 字节

这里得纠正一个常见的误区：不是「所有中文都占 3 字节」。

基本多文种平面（BMP）内的常用汉字确实是 3 字节，但像「𠮷」这种扩展区汉字，是 4 字节。

emoji 比如「😀」也是 4 字节，有时候渲染上去还是好几个码点拼的，算下来更多。

那「一个字节最多存 255 个字符」对吗？

不对，这是个典型的错误说法。

它把「一个字节能表示 256 种状态」和「能存多少字符」混为一谈了。

256 种状态指的是这个字节能取多少种不同的值，不是能装下多少个字符。

一个字节就是一个字节，它顶多完整存下一个 ASCII 字符。

碰上 UTF-8 的中文，一个字节连半个字都存不下，得三个字节凑一块儿才行。

所以结论很清楚：一个字符要占几个字节，取决于编码；而一个字节能不能存下一个字符，同样取决于编码。

常见问题

Q1. 字节和字符到底有什么区别？

字节是机器存储数据的单位，固定 8 位，能表示 256 种状态。

字符是人能看懂的文字符号。

两者通过字符编码互相转换，一个字符可能占一个或多个字节。

Q2. 为什么一个汉字在 UTF-8 里是 3 个字节？

UTF-8 是变长编码，按字符的 Unicode 码点范围分配字节数。

绝大多数常用汉字的码点落在需要 3 字节表示的区间里。

但生僻字和扩展区汉字会占 4 字节，并非全部都是 3 字节。

Q3. 字符串长度算的是字节还是字符？

看编程语言和方法。

有的语言 len() 算字节数（比如 Go 对字符串直接取长度），有的算字符数（Unicode 码点）。

处理多字节文本时分不清这点，很容易把中文长度算错或者截断出半个字。

Q4. 乱码是怎么产生的？

编码和解码用的规则不一致就会乱码。

比如用 UTF-8 存的文件，拿 GBK 去打开，字节序列被错误地拆分还原，就显示成一堆怪符号。

统一编码（尽量都用 UTF-8）是避免乱码最省事的办法。

小结

字节管存储，字符管表意，编码是它们之间的翻译规则。

「一个字节存一个字符」只在 ASCII 下成立，「一个字节最多存 255 个字符」则纯属误解。

真要回答「一个字节能存几个字符」，先问一句：用的什么编码？

如果你在项目里还碰到过更刁钻的编码坑，比如 BOM 头、UTF-16 大小端之类的，欢迎在评论区聊聊～～～