Question

Java如何确定用于System.out的编码？

鉴于以下课程：

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();
    }
}

它保存为UTF-8并在Windows系统上使用javac -encoding UTF-8 Foo.java进行编译。

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
xx├ñ├▒xx
$ cat test.txt
xxäñxx
$ java Foo | cat
xxäñxx
$ java -Dfile.encoding=UTF-8 Foo | cat
xxäñxx

这里发生了什么？

显然java会检查它是否连接到终端，并在这种情况下改变其编码。有没有办法强制Java只输出普通的UTF-8？

我也尝试使用cmd控制台。重定向STDOUT似乎没有任何区别。如果没有file.encoding参数，它会输出带有参数的ansi编码，并输出utf8编码。

Answer 1

我假设您的控制台仍然在cmd.exe下运行。我怀疑你的控制台真的期待UTF-8 - 我希望它真的是OEM DOS编码（例如850 or 437。）

Java将在JVM初始化期间使用default encoding集编码字节。

在我的电脑上重现：

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

cat 的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。）

可以使用以下命令确认：

$ 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 命令可以进行此确定，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
在使用 cat

shiv layer

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();
    }
  }
}

java控制台输出的默认字符编码

1 个答案: