了解字符串编码/解码Java

Question

我有一个用mvn Exec：java运行的程序（我的主文件是用utf-8编码的，系统的默认字符集是windows-1252)

System.out.println(Charset.defaultCharset()); //print windows-1252
String s = "éàè";
System.out.println(new String(s.getBytes(Charset.forName("UTF-8")))); //OK Print éàè
System.out.println(new String(s.getBytes(Charset.forName("windows-1252")))); //Not OK Print ▒▒▒

我不明白为什么第一次打印工作，根据文档getBytes使用给定的字符集将字符串编码成字节序列，字符串构造函数通过使用平台的默认字符集解码指定的字节数组来构造新的字符串

Answer 1

字符串值éàè用UTF-8编码为字节八位数0xC3 0xA9 0xC3 0xA0 0xC3 0xA8。这些解释为Windows-1252的字节八位元组是字符串值 （其中 是一个不间断的空格字符，Unicode codepointU+00A0)。

在第一个示例中，将字符串转换为上述UTF-8字节，然后使用Windows-1252而不是UTF-8将字节转换回字符串。因此，您应该得到一个新的字符串值°© ° ，而不是éàè。然后将该字符串写入控制台，因此它将使用Windows-1252编码回字节八位元组0xC3 0xA9 0xC3 0xA0 0xC3 0xA8，如果控制台按原样显示字节，则应显示为 - （或类似的内容）。另一方面，如果控制台配置为UTF-8，那么当解释为UTF-8时，这些字节将显示为éàè。

在第二个示例中，由于您使用Windows-1252进行编码和解码，并且Windows-1252支持所讨论的特定字符，因此在将原始字符串值éàè写入控制台之前，您应该得到它。如果字符串使用Windows-1252编码为字节，并且控制台配置为UTF-8，那么为什么不显示éàè就很有意义了。字符串值éàè在Windows-1252中编码为字节八位元组0xe9 0xe0 0xe8，这不是有效的UTF-8字节八位元组序列。

简而言之，当您的控制台被配置为将传出字节解释为UTF-8，但您没有将正确的UTF-8编码字节作为输出时，您所看到的行为就会发生。