为什么Java的String.getBytes（）使用“ISO-8859-1”

Question

来自java.lang.StringCoding：

String csn = (charsetName == null) ? "ISO-8859-1" : charsetName;

这是在linux jdk 7中从Java.lang.getBytes（）中使用的内容 我一直认为UTF-8是默认的字符集吗？

谢谢

Answer 1

有点复杂......

Java 尝试 使用默认字符编码使用String.getBytes（）返回字节。

• 默认字符集由系统file.encoding属性提供。
• 这是缓存的，在JVM启动后通过System.setProperty（..）更改它是没有用的。
• 如果file.encoding属性未映射到已知的字符集，则指定了UTF-8。

....这是一个棘手的部分（可能永远不会发挥作用）....

如果系统无法使用默认字符集（UTF-8或其他字符串）对字符串进行解码或编码，则会回退到ISO-8859-1。如果后备不起作用......系统将失败！

....真的......（喘气！）......如果我的指定字符集无法使用，UTF-8或ISO-8859-1也无法使用，会崩溃吗？

是。 Java源代码在StringCoding.encode（...）方法中注释状态：

  

//如果我们找不到ISO-8859-1（所需的编码），那么安装就会出现严重问题。

...然后调用System.exit（1）

---

那么，为什么在getBytes（）方法中有意回退到ISO-8859-1？

尽管不太可能，用户JVM可能不支持UTF-8中的解码和编码或JVM启动时指定的字符集。

然后，在getBytes（）？

期间，String类中是否正确使用了默认字符集

没有。但是，更好的问题是......

---

String.getBytes（）是否提供了它所承诺的内容？

Javadoc中定义的合同是正确的。

  

此方法在此字符串无法编码时的行为   默认字符集未指定。 CharsetEncoder类应该是   在需要对编码过程进行更多控制时使用。

---

好消息（以及更好的做事方式）

始终建议明确指定“ISO-8859-1”或“US-ASCII”或“UTF-8”或将字节转换为字符串时所需的任何字符集 - 反之亦然 - 除非 - 您之前已经获得了默认字符集，并且100％确定它是您需要的字符集。

请改用此方法：

public byte[] getBytes(String charsetName)

要查找系统的默认设置，只需使用：

Charset.defaultCharset()

希望有所帮助。

Answer 2

默认情况下，无参数String.getBytes()方法 不使用ISO-8859-1。如果可以确定，它将使用默认平台编码。但是，如果丢失或者是无法识别的编码，它将作为“默认默认值”回退到ISO-8859-1。

你应该非常在实践中很少看到这一点。通常，将正确检测平台默认编码。

但是，我强烈建议您在每次执行编码或解码操作时指定显式字符编码。即使您希望平台默认，也请明确指定。

Answer 3

这是出于兼容性原因。

从历史上看，Windows和Unix上没有指定字符集的所有java方法当时都使用了常见的方法，即"ISO-8859-1"。

正如Isaac和javadoc所提到的，使用了默认的平台编码（参见Charset.java）：

594    public static Charset defaultCharset() {
595        if (defaultCharset == null) {
596            synchronized (Charset.class) {
597                String csn = AccessController.doPrivileged(
598                    new GetPropertyAction("file.encoding"));
599                Charset cs = lookup(csn);
600                if (cs != null)
601                    defaultCharset = cs;
602                else
603                    defaultCharset = forName("UTF-8");
604            }
605        }
606        return defaultCharset;
607    }

在执行字符串到字节或字节到字符串转换时始终指定字符集。

即使与String.getBytes()的情况一样，你仍然会发现一个未被弃用的方法没有使用charset（当Java 1.1出现时，大多数都被弃用了）。就像字节序一样，平台格式是无关紧要的，相关的是存储格式的规范。

Answer 4

详细说明Skeet的答案（当然是正确答案）

在java.lang.String的来源getBytes()来电StringCoding.encode(char[] ca, int off, int len)，它位于第一行：

String csn = Charset.defaultCharset().name();

然后（不是立即但绝对地）它调用引用的行所在的static byte[] StringEncoder.encode(String charsetName, char[] ca, int off, int len) - 作为charsetName传递csn - 所以在这一行中charsetName 将如果存在，则为默认字符集。