Java输入汉字的编码问题(转载）
2015-02-25 17:28:12| 分类：
默认分类
| 标签：
|举报
|字号大中小 订阅
这个简单的Java程序竟然有问题，如果我们输入的是中文，程序不会正常输出。
- import java.util.Scanner;
- public class Test {
- public static void main(String[] args) {
- Scanner scanner = new Scanner(System.in);
- String s = scanner.next();
- System.out.println("你输入了 = "+ s);
- }
- }
- 结果：
- run：
- 陶 // 用户输入
- 你输入了 = ??
- 成功生成（总时间：7 秒）
这究竟是为什么呢？
先了解一下Java的输入文件流机制，System.in是字节流。系统是按照每个字节读入，最后组成字节组作为读入的。
Scanner是套在System.in外面的字符流。下面我们直接显示System.in读入的字节
- public class Bianma {
- private static void printBytes(byte[] bytes) {
- for (byte b : bytes) {
- printByte(b);
- }
- System.out.println();
- }
- private static void printByte(byte abyte) {
- String hex = "00"+Integer.toHexString((int)abyte);
- System.out.print(hex.substring(hex.length() - 2) + "\t");
- }
- public static void main(String[] args) throws IOException {
- String s = "陶";
- printBytes(s.getBytes("GBK"));
- printBytes(s.getBytes("UTF-8"));
- byte b = (byte) System.in.read();
- while (true) {
- printByte(b);
- b = (byte) System.in.read();
- }
- }
- }
我们可以看到System.in读入的字节流是默认以GBK编码的。
- run：
- cc d5 // 陶的GBK编码
- e9 99 b6 // 陶的UTF8编码
- 陶
- cc d5 0a // 0a是回车生成的
对比，可以知道Scanner的字符套默认是以GBK编码转化的。
下面这个输出可以验证
- byte[] b = new byte[]{new Byte((byte) 0xcc), new Byte((byte) 0xd5)};
- System.out.println(new String(b, "GBK"));
这个输出可以准确输出为：陶。
因此，我们有两个方法解决这个问题：
一、使用以下方式读入
- Scanner scanner = new Scanner(System.in, "GBK");
- String encoding = System.getProperty("file.encoding");
- System.out.println(encoding);
这个输出为UTF8。如果输出为GBK则不会又开头所提的问题。可以认为file.encoding的值是Java程序main入口函数的默认编码。
NetBeans修改方法如下：
附注：
可以看到陶的UTF8编码为
e9 99 b6
ef bb bf e9 99 b6（带有BOM头，其中BOM头为ef bb bf）
Unicode的编码为fe ff 76 96，其中fffe是控制高位和低位的发送顺序的。
其中变化方法如下：
评论这张
转发至微博
转发至微博
关闭
玩LOFTER，免费冲印20张照片，人人有奖！
我要抢>
<#--最新日志，群博日志-->
<#--推荐日志-->
<#--引用记录-->
<#--博主推荐-->
<#--随机阅读-->
<#--首页推荐-->
<#--历史上的今天-->
<#--被推荐日志-->
<#--上一篇，下一篇-->
<#-- 热度 -->
<#-- 网易新闻广告 -->
<#--右边模块结构-->
<#--评论模块结构-->
<#--引用模块结构-->
<#--博主发起的投票-->
评论