jvm 默認字符集

最近在讀取第三方上傳的文件時，遇到一個問題，就是採用默認字符集讀取，發現個別中文亂碼，找到亂碼的字，發現是生僻字：碶。

因爲在window是環境下作的測試，並無報錯，可是在linux服務器上執行，發現讀出後是亂碼。

具體讀取文件代碼簡化以下：

 Path path = Paths.get("d:", "1.txt");
 String ss = null;
 try (BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(path.toString()))) {
      ss = br.readLine();
      System.out.println(ss);
  }    

問題就出在  new FileInputStream(path.toString()) 使用默認字符集

而jvm在windows和linux下，讀取文件的默認字符集是不一樣的，測試代碼以下：

        Path path = Paths.get("/szc", "1.txt");
        InputStreamReader isr;
        try {
            isr = new InputStreamReader(new FileInputStream(path.toFile()));
            System.out.println("FileInputStream encoding: "+isr.getEncoding()); 
            System.out.println("File Encoding: "+System.getProperty("file.encoding"));
        } catch (FileNotFoundException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }

上面的代碼在windows下的輸出結果爲

FileInputStream encoding: GBK
File Encoding: GBK

而在linux上執行的結果爲

FileInputStream encoding: EUC_CN
File Encoding: GB2312

其中EUC_CN 是GB2312的另外一種表示方法。

另外GBK是GB2312的擴展，對於中文繁體和生僻字，GB2312沒法表示。

因此就出現了在linux下用默認字符集讀取"碶"字亂碼，可是在windows下確沒有亂碼。

 

ps： 或許由於操做系統字符集以及版本不一樣，可能在jvm讀取文件的默認字符集也有不一樣，樓主並無作相關測試。

 

綜上，在讀取文件時，儘可能指定字符集來避免操做系統差別性帶來的問題。