初窥java乱码问题

      故事起源于这周踩的一个小坑，tomcat本地调启动web时报错。错误提示说有个xml文件的编码有问题，我点进去看了看没看出啥异常，开头跟其他xml一样指定了utf-8的格式，除了是小写的，我傻乎乎地去改成了大写。。。然后。。。肯定是没解决啊！！！咳咳，果断请教同事去了，瞅一眼，扔过来一串参数-Dfile.encoding=UTF-8，让我在webserver的VM OPTION里面加上，成了。

      恩，又是那个古老的梗，（咦，好了！但是这是为什么呢。。。）虽然从头到尾我都不懂，但是还是筛选掉一些例如-D是什么鬼之类的问题吧。O(∩_∩)O。。。问题的挖掘经历了几个阶段：

1.file.encoding的系统默认值是什么（其实我也不知道有没有系统默认值这么个东西。。总之就是默认值了啊。。。哈哈。。。）

      首先自然想知道默认的encoding值是什么了。我新建了一个空的工程，随便写了个类，在main里面打印System.getproperty("file.encoding")了。结果让我莫名其妙，明明就是UTF-8啊。那系统默认的输出编码格式应该就是UTF-8，应该不会出问题啊。默认的encoding为何没有用到？

2.file.encoding在哪些环节会用到

      找到一篇很好地文章http://cmsblogs.com/?p=1475。文章很系统地分析了java输出格式的流程。在不同情况下的流程也是不同的。文章举例了三种情况：1）直接输出到console 2）部署到webserver输出到web页面 3）输出到数据库。这篇文章解决了我的第一个问题，也就是为什么输出到web没有用到那个UTF-8。因为System.getproperty()中得到的file.encoding代表的是输出到console时编码格式，自然跟web页面没关系。

      此外我还知道了，java虚拟机在处理数据时，数据在内存中存储的格式均为Unicode，包括.class文件以及外部输入的数据。这样我可以理解成，数据在内存中一律是以Unicode格式流转的，需要输出到哪个地方就再获取对应的file.encoding，将Unicode格式的数据再转换成file.encoding的格式输出。仔细一想，其实这种方式也非常符合java的平台无关特性，毕竟有Unicode这种大杀器（能涵盖所有字符的编码格式我也是醉了），那自然要用它来作为统一的数据处理格式，至于那些关乎平台关乎场景的case，再各自分情况处理。

3.所谓的默认file.encoding值是从哪得到的

      说实话这是让我非常头疼的问题，因为臣妾实在是对工具神马的一窍不通啊！！鬼知道TMD写在哪个配置文件的哪个角落里啊！！尼玛，我继续搜，不停地搜。好不容易找到了。。由IDE控制的针对console的file.encoding默认设置。我用的是intellij，在$ItellijHOME/Contents/Info.plist，(这个HOME是我瞎BB的，看得懂就好了啊。。)，确实找到了这么一串

<key>VMOptions</key>
<string>-Dfile.encoding=UTF-8 -XX:+UseConcMarkSweepGC -XX:SoftRefLRUPolicyMSPerMB=50 -ea -Dsun.io.useCanonCaches=false -Djava.net.preferIPv4Stack=true -Xverify:none -Xbootclasspath/a:../lib/boot.jar</string>

<key>WorkingDirectory</key>

      看到那个“-Dfile.encoding=UTF-8”木有！！成就感满满有木有！！！故事告一段落，最开始找到的那个UTF-8来自于IDE的默认设置，并且管的是console，web容器的file.encoding在tomcat运行设置的VM OPTION重新指定为UTF-8,于是输出的web页面格式OK了。

      但是！怎么可以就此止步！不是有getProperty嘛，那也有setProperty啊，你不是说输出到哪就获取对应的file.encoding然后转换unicode到file.encoding再输出么，那我先按utf-8输出，再setProperty成别的编码格式，再输出相同内容是不是就乱码了？

      事实证明，企图用setproperty来修改runtime的file.encoding根本不起作用，该输出啥还是输出啥。于是我查了一下资料，file.encoding的值在JVM初始化的时候指定的才是有效地，运行时file.encoding压根就是一个只读属性，据说是初始化的时候存了一个cache，以后即使改了也只会读取cache也就是初始化的值，有兴趣的可以去读一下源码，相关的讨论链接在这了http://stackoverflow.com/questions/1749064/how-to-find-the-default-charset-encoding-in-java。自己也照着试了一下，的确如此，我只有修改vm option才会输出乱码。关键的几句代码：

new OutputStreamWriter(new ByteArrayOutputStream()).getEncoding();//查看有效的file.encoding，也就是初始化时候的那个cache值

System.getProperty("file.encoding");//查看file.encoding的真实值，虽然真实，但是无效啊。。

      以上。