java - 在不转换为 byte[] 的情况下获取带字节编码的 String 大小

Question

我有一种情况需要知道 String/encoding 对的大小(以字节为单位)，但不能使用 getBytes() 方法，因为 1) String 非常大，在 byte[] 数组中复制 String 会使用大量内存，但更重要的是 2) getBytes() 根据 String 的长度 * 每个字符的最大可能字节数分配一个 byte[] 数组。因此，如果我有一个包含 1.5B 个字符和 UTF-16 编码的 String，getBytes() 将尝试分配一个 3GB 的数组并失败，因为数组被限制为 2^ 32 - X 字节(X 是特定于 Java 版本的)。

那么 - 有什么方法可以直接从 String 对象计算 String/encoding 对的字节大小吗？

更新:

这是 jtahlborn 的回答的有效实现:

private class CountingOutputStream extends OutputStream {
    int total;

    @Override
    public void write(int i) {
        throw new RuntimeException("don't use");
    }
    @Override
    public void write(byte[] b) {
        total += b.length;
    }

    @Override public void write(byte[] b, int offset, int len) {
        total += len;
    }
}

Answer 1

很简单，只需将其写入一个虚拟输出流即可:

class CountingOutputStream extends OutputStream {
  private int _total;

  @Override public void write(int b) {
    ++_total;
  }

  @Override public void write(byte[] b) {
    _total += b.length;
  }

  @Override public void write(byte[] b, int offset, int len) {
    _total += len;
  }

  public int getTotalSize(){
     _total;
  }
}

CountingOutputStream cos = new CountingOutputStream();
Writer writer = new OutputStreamWriter(cos, "my_encoding");
//writer.write(myString);

// UPDATE: OutputStreamWriter does a simple copy of the _entire_ input string, to avoid that use:
for(int i = 0; i < myString.length(); i+=8096) {
  int end = Math.min(myString.length(), i+8096);
  writer.write(myString, i, end - i);
}

writer.flush();

System.out.println("Total bytes: " + cos.getTotalSize());

它不仅简单，而且可能与其他“复杂”答案一样快。