java - java控制台输出的默认字符编码

Question

Java 如何确定用于 System.out 的编码？

给定以下类:

import java.io.File;
import java.io.PrintWriter;

public class Foo
{
    public static void main(String[] args) throws Exception
    {
        String s = "xxäñxx";
        System.out.println(s);
        PrintWriter out = new PrintWriter(new File("test.txt"), "UTF-8");
        out.println(s);
        out.close();
    }
}

保存为UTF-8，在Windows系统下用javac -encoding UTF-8 Foo.java编译

然后在 git-bash 控制台上(使用 UTF-8 字符集)我做:

$ java Foo
xxõ±xx
$ java -Dfile.encoding=UTF-8 Foo
xxäñxx
$ cat test.txt
xxäñxx
$ java Foo | cat
xxäñxx
$ java -Dfile.encoding=UTF-8 Foo | cat
xxäñxx

这是怎么回事？

显然，java 会检查它是否连接到终端，并在这种情况下更改其编码。有没有办法强制 Java 简单地输出纯 UTF-8？

---

我也对 cmd 控制台进行了同样的尝试。重定向 STDOUT 似乎没有任何区别。没有 file.encoding 参数它输出 ansi 编码，参数它输出 utf8 编码。

Answer 1

我假设您的控制台仍在 cmd.exe 下运行。我怀疑您的控制台是否真的需要 UTF-8 - 我希望它真的是 OEM DOS 编码(例如 850 or 437 。)

Java 将使用 default encoding 编码字节在 JVM 初始化期间设置。

在我的电脑上复制:

java Foo

Java编码为windows-1252；控制台解码为 IBM850。结果:Mojibake

java -Dfile.encoding=UTF-8 Foo

Java编码为UTF-8；控制台解码为 IBM850。结果:Mojibake

cat test.txt

cat 将文件解码为 UTF-8； cat 编码为 IBM850；控制台解码为 IBM850。

java Foo | cat

Java编码为windows-1252； cat 解码为 windows-1252； cat 编码为 IBM850；控制台解码为 IBM850

java -Dfile.encoding=UTF-8 Foo | cat

Java编码为UTF-8； cat 解码为 UTF-8； cat 编码为 IBM850；控制台解码为 IBM850

cat 的这种实现必须使用启发式方法来确定字符数据是否为 ​​UTF-8，然后将数据从 UTF-8 或 ANSI(例如 windows-1252)转码到控制台编码(例如 IBM850。)

这可以通过以下命令确认:

$ java HexDump utf8.txt
78 78 c3 a4 c3 b1 78 78

$ cat utf8.txt
xxäñxx

$ java HexDump ansi.txt
78 78 e4 f1 78 78

$ cat ansi.txt
xxäñxx

cat 命令可以做出此决定，因为 e4 f1 不是有效的 UTF-8 序列。

您可以通过以下方式更正 Java 输出:

• Setting the console encoding到系统 ANSI 值
• 使用Console类型
• 使用一些 shiv layer就像你对 cat
所做的那样

HexDump 是一个简单的 Java 应用程序:

import java.io.*;
class HexDump {
  public static void main(String[] args) throws IOException {
    try (InputStream in = new FileInputStream(args[0])) {
      int r;
      while((r = in.read()) != -1) {
        System.out.format("%02x ", 0xFF & r);
      }
      System.out.println();
    }
  }
}