Java 中的字符集（控制台，windows，linux）

小咪咪 2022-05-16 12:28 68阅读 0赞

看本文之前，请先弄清楚什么是unicode，utf8，utf16。不清楚请移步百度百科[http://baike.baidu.com/view/40801.htm][http_baike.baidu.com_view_40801.htm]

Java的String内部有private final char value\[\] ，使用UTF-16编码来存储。也就是说，不管是什么样的字符串，只要是存储在String对象中的，就是UTF-16编码。

那我们读取的文件的字符集有很多种，怎么办呢。String有个构造函数String(byte\[\] bytes, String charsetName) ，从文件中读取了bytes后，可以用这个来指定bytes的字符集charset，Java会自动讲bytes从charset转化成UTF-16，然后存到String中。没有指定的话，那么使用系统默认的字符集。

接下来，还有一个问题是，如果我在源代码中写了这样的语句，如

String test="我是中文"

那么，是怎么处理的呢。

使用下面的代码测试：

**\[java\]**  [view plain][] [copy][view plain]

1.  **public** **class** Test \{  
2.      **public** **static** **void** main(String args\[\]) \{  
3.          String test="我是中文";  
4.          System.out.println(test);  
5.      \}  
6.  \}

**\[java\]**  [view plain][view plain 1] [copy][view plain 1]

第一次，使用记事本写，保存。

javac Test.java

java Test

一切正常。

![测试效果图][1.JPG]

第二次，直接使用记事本，把文件另存为UTF8。

![测试效果图][1633908067155777500.JPG]

![测试效果图][1633908066067340000.JPG]

这个错误的原因是，记事本自作聪明地给文件前面多加了三个字节。用UE打开看就能看到了。

![测试效果图][1633908068551090000.JPG]

关于这个问题，google一下"记事本 UTF8 BOM"。前人已经写得很清楚了。

OK。我们使用UE将这三个字节删掉。然后

javac Test.java

java Test

![测试效果图][1633908072989996250.JPG]

可恶的乱码出现了。

为什么会出现乱码呢？

javac Test.java做了这样的事，首先javac不知道文件的编码，因此使用系统默认的字符集（GBK），也就是说javac把UTF8编码的文件当成了GBK编码的文件。因此，当javac读到"我是中文"时，他看到的是这四个字的UTF8编码的二进制形式，但是他将这些当成GBK编码了。

于是，他就将这些bytes从GBK编码转化成UTF16的String对象（这是个错误的转化，因为得到的就不是"我是中文"的正确的UTF16编码了）。注意，转化完后还是可以得到二进制的字节，javac把这些保存在.class文件中。

这样呢，java Test运行时，输出的就是乱码了。

那么，如果使用java Test > temp.txt，然后用UE打开temp.txt，会看到什么呢？

恩，不是乱码，而是"我是中文"。

这又是为什么呢？

将"我是中文"的UTf8编码记为A

将A用GBK编码转化成的UTF16编码记为B

这样，B就是保存在.class中的内容

System.out做了什么事呢？他先将.class中的B从UTF16转化为GBK（系统默认编码）编码，这样得到了A。

然后把A传给控制台输出。控制台使用的编码也是默认的GBK，因为显示出来就是乱码了。

但是使用重定向后，temp.txt中保存的二进制字节正好是A。

当用UE打开后temp.txt，UE自动根据temp.txt的文件监测编码，发现是UTF8编码的二进制字节，因此使用的UTF8来显示，当然就正常了。（>\_<记事本真的很弱）

最后，补充一点，对于源码中的非字符串 部分，javac先按文件的编码解析，然后将所有遇到的源码（除引号中的字符串外），都使用UTF8保存在class文件中。有兴趣的不妨自己打开class文件看看。

下面这个文件我用UTF8 保存：

**\[java\]**  [view plain][] [copy][view plain]

1.  **public** **class** Test \{  
2.      **public** **static** **void** main(String args\[\]) \{  
3.          String 我是中文="我是中文";  
4.          System.out.println(我是中文);  
5.      \}  
6.  \}

**\[java\]**  [view plain][view plain 1] [copy][view plain 1]

然后我用javac Test.java，就报错了。

![测试效果图][1633908103856871250.JPG]

原因是，javac发现里面有非法的GBK编码。。。。。。呵呵，经常在Windows写代码，然后放到Linux下手动编译的，可能会觉得这个很熟悉吧。

因为Windows默认编码是GBK，Linux默认编码是UTF。

当你写一个GBK编码的Test.java，然后放到Linux下直接javac Test.java，如果文件中有中文的话，一般都会有错误。

建议，如果手动使用javac编译的话，尽量加上encoding选项，避免不必要的问题出现。

如：javac -encoding utf8 Test.java

其中utf8是Test.java文件的编码

[http_baike.baidu.com_view_40801.htm]: http://baike.baidu.com/view/40801.htm
[view plain]: http://blog.csdn.net/fwing/article/details/4651824#
[view plain 1]: http://blog.csdn.net/hx756262429/article/details/7877791#
[1.JPG]: /images/20220516/56634a9e938544dc80e4b343040cb216.png
[1633908067155777500.JPG]: /images/20220516/df5fd0eea63a4dc294f708aac7c17a19.png
[1633908066067340000.JPG]: /images/20220516/42c17b19e4cd4f7cb529d33259566340.png
[1633908068551090000.JPG]: /images/20220516/1cc2a7f102ba45d584d63421fb1ee406.png
[1633908072989996250.JPG]: /images/20220516/a5fef1f5ae1e4f5a98b0660cfc3499aa.png
[1633908103856871250.JPG]: /images/20220516/0391ab8b00e840da9dd1b8e70b3e104f.png