2019独角兽企业重金招聘Python工程师标准>>> 
本文首发于个人微信公众号: ，期待你的关注!
前言
今天我们以String类中的getBytes()方法为例，来看一看JDK源码中的默认字符集，getBytes()方法在帮助文档中是 这样写的:
Encodes this String into a sequence of bytes using the platform’s default charset, storing the result into a new byte array.
意思是：使用平台的默认字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中。
恩，那我们就来对不同平台的默认字符集这个问题。一探究竟。
初探源码
首先我们进入getBytes()源码中:
public byte[] getBytes() {
return StringCoding.encode(value, 0, value.length);
}该方法中直接返回StringCoding.encode(value,0,value.length)，那就再点击进去看看。代码如下：
static byte[] encode(char[] ca, int off, int len) {
String csn = Charset.defaultCharset().name();
try {
// use charset name encode() variant which provides caching.
return encode(csn, ca, off, len);
} catch (UnsupportedEncodingException x) {
warnUnsupportedCharset(csn);
}
try {
return encode("ISO-8859-1", ca, off, len);
} catch (UnsupportedEncodingException x) {
// If this code is hit during VM initialization, MessageUtils is
// the only way we will be able to get any kind of error message.
MessageUtils.err("ISO-8859-1 charset not available: "
+ x.toString());
// If we can not find ISO-8859-1 (a required encoding) then things
// are seriously wrong with the installation.
System.exit(1);
return null;
}
}在这里，我们看到了。在上述方法中，通过 Charset.defaultCharset().getName() 获取系统默认的字符集。那我们就再点击进去看看，代码如下：
public static Charset defaultCharset() {
if (defaultCharset == null) {
synchronized (Charset.class) {
String csn = AccessController.doPrivileged(
new GetPropertyAction("file.encoding"));
Charset cs = lookup(csn);
if (cs != null)
defaultCharset = cs;
else
defaultCharset = forName("UTF-8");
}
}
return defaultCharset;
}其实，在上述代码中，我们最关心的是这一行代码：
String csn = AccessController.doPrivileged(
new GetPropertyAction("file.encoding"));点击进去后。如下所示：
public class GetPropertyAction implements PrivilegedAction {
private String theProp;
private String defaultVal;
public GetPropertyAction(String var1) {
this.theProp = var1;
}
public GetPropertyAction(String var1, String var2) {
this.theProp = var1;
this.defaultVal = var2;
}
public String run() {
String var1 = System.getProperty(this.theProp);
return var1 == null?this.defaultVal:var1;
} 在这里，我们已经看到了熟悉的代码:
System.getProperty(this.theProp);到此，我们就可以在不同的平台做实验了。
此次实验的平台有:
-
Linux平台
系统: Ubuntu 14.04 LTS (中文环境) -
Windows平台
系统: Windows 7 (中文环境)
不同平台的默认字符集实验
测试JDK版本: java version “1.7.0_79”
步骤:
windows编码
D:\testpdfPath>javac Test.java
D:\testpdfPath>java Test
GBKLinux (会话编码为UTF-8)编码(默认为UTF-8):
[andy@andyqian /tmp]
$ javac Test.java
[andy@andyqian /tmp]
$ java Test
UTF-8如图所示:
Linux (会话编码为GBK)编码：
[andy@andyqian /tmp]
$ ls
Test.java
[andy@andyqian /tmp]
$ javac Test.java
[andy@andyqian /tmp]
$ java Test
GBK以上试验表明：
Windows中文环境下，默认编码为：GBK。
Linux系统中文环境下，默认编码为： UTF-8。
不同的系统 file.encoding 的表现是不一样的。到此，我们已经查看了getBytes()中的默认字符集源码。
实验代码:
上述试验代码，非常简单，如下所述，有兴趣试验的朋友，可以新建一个Java类，命名为Test.java，复制到其中即可。
/**
* author: andy
* date: 17-11-24
* blog: www.andyqian.com
* version: 0.0.1
* description:
*/
public class Test {
public static void main(String[] args){
System.out.println(System.getProperty("file.encoding"));
}
}这里需要注意的是: 直接复制到IDEA中，获取的结果可能会受idea影响。这也我直接使用原始命令来编译的原因。
SSH 远程编码:
这里说个题外话，SSH本地机器编码会影响远程机器当前会话的编码。怎么说呢? 我们继续做实验。
机器准备:
一台编码为 en_US.UTF-8 编码的机器。
一台编码为 zh_GBK 编码的机器。
(备注: 两台相同编码的机器也可以，修改一台机器的编码即可。)
首先，我们通过Xshell直接来连接远程机器(UTF-8)通过locale命令查看系统编码如下：
[andy@andyqian /tmp/test]
$ locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=注意此时的系统编码为： UTF-8
1. 紧接着，我们先查看本地机器(GBK)的编码,
[andy@andyqian02 /home/andyqian]
$ locale
LANG=zh_CN.GBK
LC_CTYPE="zh_CN.GBK"
LC_NUMERIC="zh_CN.GBK"
LC_TIME="zh_CN.GBK"
LC_COLLATE="zh_CN.GBK"
LC_MONETARY="zh_CN.GBK"
LC_MESSAGES="zh_CN.GBK"
LC_PAPER="zh_CN.GBK"
LC_NAME="zh_CN.GBK"
LC_ADDRESS="zh_CN.GBK"
LC_TELEPHONE="zh_CN.GBK"
LC_MEASUREMENT="zh_CN.GBK"
LC_IDENTIFICATION="zh_CN.GBK"
LC_ALL=再通过本地主机(GBK)，ssh连接到 远程主机机器(UTF-8)上，使用locale命令查看系统编码如下:
-
[andy@andyqian02 /home/andyqian] $ ssh [email protected] [email protected]'s password:
登录后，查看编码：
-
[andy@andyqian01 /home/andyqian] $ locale LANG=zh_CN.GBK LC_CTYPE="zh_CN.GBK" LC_NUMERIC="zh_CN.GBK" LC_TIME="zh_CN.GBK" LC_COLLATE="zh_CN.GBK" LC_MONETARY="zh_CN.GBK" LC_MESSAGES="zh_CN.GBK" LC_PAPER="zh_CN.GBK" LC_NAME="zh_CN.GBK" LC_ADDRESS="zh_CN.GBK" LC_TELEPHONE="zh_CN.GBK" LC_MEASUREMENT="zh_CN.GBK" LC_IDENTIFICATION="zh_CN.GBK" LC_ALL=
（备注: 192.168.1.1 请替换成自己的主机地址）
注意此时远程主机当前会话的编码已经变成了
zh_CN.GBK
此时通过：
System.getProperty("file.encoding")获取到的编码为: GBK
这里再次证明。系统的默认编码，在不同场景下，表现形式也不一样，很容易造成乱码。我就吃过这样的亏。泪奔…
小结
上面以getBytes()这个常用的方法，一步一步查看JDK源码，也动手实验了，不同系统的表现形式。其实想表达的是，多动手实验，会发现非常有意思，印象也会深刻很多。收获也会不一样。
精简版:
-
有关编码的方法一定要指定特定编码，不要使用系统默认编码。避免不同系统默认编码不一致，导致乱码。
-
多动手试验。
最后：祝大家周末愉快！
扫码关注，一起进步
个人博客: http://www.andyqian.com