字符编码各不相同

任何工具都可以用任何编码编写Java源代码。甚至{。3}}也没有定义.java文件的想法。任何Java Language Spec都可以通过任何编码以任何方式保存Java源代码^†。

这些工具负责最终在编译器工具链中提供符合Unicode的字符流。他们如何收集和保存源代码取决于特定的工具。

Java语言规范在IDE中说明：

使用Unicode字符集编写程序。有关此字符集及其相关字符编码的信息，请访问Chapter 3 Lexical Structure。

因此，Java源代码文件可能会使用Unicode中常见的字符编码之一，例如http://www.unicode.org/，UTF-8或UCS-2。

UTF-16提到Java程序可以通过嵌入Unicode转义来使用Section 3.2 Lexical Translations之类的编码：

形式\ uxxxx的Unicode转义，其中xxxx是ASCII值，表示编码为xxxx的UTF-16代码单元。

虽然UTF-8在我的经验中很常见，但这并不是唯一可能的编码。您必须知道或猜测任何特定源文件的编码，并且必须考虑扩展任何Unicode转义。

其他问题

顺便说一下，请注意，至少在Oracle JDK中，由于错误导致hexadecimal byte order mark (BOM)文件 optional to UTF-8 ）永远不会被修复（因为向后兼容性问题）。

另请注意，JDK-4508058可能会有所不同：ASCII字符CR（CARRIAGE RETURN），或LF（LINE FEED）或CR LF。

line terminators有所不同：SPACE（SP），CHARACTER TABULATION（HT）（水平制表符），FORM FEED（FF）和行终止符。

阅读规范了解更多详情。例如，关于SUBSTITUTE字符：

作为与某些操作系统兼容的特殊让步，如果它是转义输入流中的最后一个字符，则忽略ASCII SUB字符（\ u001a或control-Z）。

确保您了解Unicode和字符编码的基础知识。最佳起点：Joel Spolsky的White space。

^†即使是假设的规则，例如“每个.java文件的一个公共类”，也可能由特定工具而不是Java本身来定义。用于Java的The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)工具支持每个文件支持多个类。