Java：平台在不同平台上的默认字符集？

Question

某些遗留代码依赖于平台的默认字符集进行翻译。对于“西方世界”中的Windows和Linux安装，我知道这意味着什么。但是考虑到俄罗斯或亚洲平台，我完全不确定他们平台的默认字符集是什么（只是UTF-16？）。

因此，我想知道执行以下代码行时会得到什么：

System.out.println("Default Charset=" + Charset.defaultCharset());

修改 我不想在这里讨论charsets的问题及其与unicode的区别。我只是想收集哪些操作系统将导致什么特定的字符集。请仅发布具体值！

Answer 1

这是用户特定的设置。在许多现代Linux系统上，它是UTF-8。在Mac上，它是MacRoman。在Windows上的美国，它通常是CP1250，在欧洲它是CP1252。在中国，您经常会找到简体中文（Big5或GB *）。

但这是系统默认值，每个用户可以随时更改。这可能是解决方案：使用系统属性file.encoding

启动应用程序时设置编码

See this answer怎么做。我建议把它放到一个启动你的应用程序的小脚本中，这样用户默认就不会受到污染。

Answer 2

  

对于“西方世界”中的Windows和Linux安装，我知道这意味着什么。

可能不如你想象的那么好。

  

但是考虑到俄罗斯或亚洲平台，我完全不确定他们平台的默认字符集是什么

通常，这是他们国家历史上使用的任何编码。

  

（只是UTF-16？）。

绝对不是。计算机使用在Unicode标准存在之前广泛传播，并且每个语言区域开发了一种或多种可以支持其语言的编码。那些在ASCII之外需要少于128个字符的人通常会开发一个“扩展ASCII”，其中许多最终标准化为ISO-8859，而其他人则开发了双字节编码，通常是几个竞争编码。例如，在日本，电子邮件通常使用JIS，但网页使用Shift-JIS，而某些应用使用EUC-JP。任何这些都可能在Java中作为平台默认编码遇到。

这是一个巨大的混乱，这正是Unicode开发的原因。但是这个混乱还没有消失，我们仍然必须处理它，不应该假设编码给定字节的字符串被解释为文本。There Ain't No Such Thing as Plain Text。