Java中string的編碼的詳細說明

本文主要說明java的系統里字符串（string）的編碼的情況

 

首先一個問題，如何知道某個string（變量的值）的編碼是什么？情況復雜，下面分開說明

 

首先要知道系統默認編碼（“系統”不是指操作系統，而是本java應用）。影響編碼有以下情況：

默認時，就是操作系統的編碼，我們用的中文windows編碼一般是GBK，而linux一般是utf-8

當java啟動命令可以指定具體編碼。我們生產環境一般都會設為utf-8。編碼設置方法在開發和生產環境有不同方法，對於開發環境，編碼的設置跟開發用的IDE有關，這里不展開，對於生產環境，編碼設置在java運行命令的參數

 

 -Dfile.encoding=utf-8

 

上面說的是編碼設置，那怎么確定java應用真實使用的編碼（確認設置是否生效）？可以用如下代碼輸出

 

       //獲取系統默認編碼
        logger.info("系統默認編碼：" + System.getProperty("file.encoding"));
        //系統默認字符編碼
        logger.info("系統默認字符編碼:" + Charset.defaultCharset());
        //操作系統用戶使用的語言
        logger.info("系統默認語言:" + System.getProperty("user.language"));

 

在我自己的IDEA開發環境運行輸出如下。因為在IDEA的配置設了編碼是utf-8

PS：【系統默認編碼】和【系統默認字符編碼】到底哪個才影響“string的編碼”還不清楚，弄的兩個都一樣的就最好了

 

   

到此，我們解決了java應用默認編碼的問題，“在代碼中顯式賦值的string“的編碼都是默認編碼，例如下圖這些就是

 

   

但是，string的值來源很多，例如有從配置文件讀取，從http調用（作為服務端）傳入，從excel或文本文件讀取等等。此時string的編碼跟文件本身的編碼甚至讀取的相關工具類的編碼設置都有關，這里不展開怎么修改編碼。但怎么確認他們是什么編碼？可以用以下方法

PS：此方法在實際使用中發現不太准確，因此還有待驗證

    public static final String[] ENCODES = new String[]{"UTF-8", "GBK", "GB2312", "ISO-8859-1", "ISO-8859-2"};

    /**
     * 獲取字符串是什么編碼，例如返回的值有：UTF-8，GBK，ISO-8859-1等
     *
     * @param str
     * @return
     */
    public static String getEncode(String str) {
        byte[] data = str.getBytes();
        byte[] b = null;
        a:
        for (int i = 0; i < ENCODES.length; i++) {
            try {
                b = str.getBytes(ENCODES[i]);
                if (b.length != data.length) {
                    continue;
                }
                for (int j = 0; j < b.length; j++) {
                    if (b[j] != data[j]) {
                        continue a;
                    }
                }
                return ENCODES[i];
            } catch (UnsupportedEncodingException e) {
                continue;
            }
        }
        return null;
    }

  

輸出如下，