从编译到运行时，Java String编码实际上如何工作

Question

我最近意识到我不完全了解Java的字符串编码过程。

考虑以下代码：

public class Main
{
    public static void main(String[] args)
    {
        System.out.println(java.nio.charset.Charset.defaultCharset().name());
        System.out.println("ack char: ^"); /* where ^ = 0x06, the ack char */
    }
}

由于Windows-1252和ISO-8859-1之间的控制字符解释不同，因此我选择了ackchar作为测试对象。

现在，我使用不同的文件编码，UTF-8，windows-1252和ISO-8859-1对其进行编译。两者都编译为完全相同的东西，由验证md5sum。

然后，我运行程序：

$ java Main | hexdump -C
00000000  55 54 46 2d 38 0a 61 63  6b 20 63 68 61 72 3a 20  |UTF-8.ack char: |
00000010  06 0a                                             |..|
00000012

$ java -Dfile.encoding=iso-8859-1 Main | hexdump -C
00000000  49 53 4f 2d 38 38 35 39  2d 31 0a 61 63 6b 20 63  |ISO-8859-1.ack c|
00000010  68 61 72 3a 20 06 0a                              |har: ..|
00000017

$ java -Dfile.encoding=windows-1252 Main | hexdump -C
00000000  77 69 6e 64 6f 77 73 2d  31 32 35 32 0a 61 63 6b  |windows-1252.ack|
00000010  20 63 68 61 72 3a 20 06  0a                       | char: ..|
00000019

0x06无论使用哪种编码，它都能正确输出。

好的，它仍然输出相同的内容0x06，Windows-1252代码页将其解释为可打印的[ACK]字符。

这使我想到了几个问题：

1. 所编译的Java文件的代码页/字符集是否应与要在其下编译的系统的默认字符集相同？两者总是同义的吗？
2. 编译后的表示似乎并不依赖于编译时字符集，确实是这样吗？
3. 这是否意味着如果Java文件中的字符串不对当前字符集/语言环境使用标准字符，那么它们在运行时的解释可能会有所不同？
4. 关于Java中的字符串和字符编码，我还应该真正了解什么？

Answer 1

1. 源文件可以采用任何编码
2. 您需要告诉编译器源文件的编码（例如javac -encoding...）；否则，假设平台编码
3. 在类文件二进制文件中，字符串文字存储为（已修改的）UTF-8，但是除非您使用字节码，否则这无关紧要（请参阅JVM spec）
4. Java中的字符串始终为UTF-16（请参阅Java语言规范）
5. 在System.out PrintStream将改变你的字符串从UTF-16字节之前将其写入编码系统的 标准输出

笔记：

• 我写的有关Java编码的博客文章
• 不要使用 -Dfile.encoding