首先声明，这篇没有解决办法，只是旨在提供相关的背景知识。 第一样讲编码。编码 (encoding) 指的是什麽？举个简单例子。 首先 Java 运作时统统用 Unicode (UTF16 吧？) ，简单的把 它想成 Java 里的 character 够大，能放世上所有的文字。 可是你的档案，绝大部份时候都不是用 Unicode 来存。Big5 的标准下，“我”字是用两个 byte A7DA 来代表，可是在 UTF-8 底下，A7DA 代表的是另一个字（你当成是“你”字好 了，实际是别的东西，只是做例子而已）。好了，当 Java 要读你的档，面对一串的 bytes, 读进来的是两个 bytes 是A7 DA， Java 要怎麽才能知道应该当成“我”字还是“你”字？这就 要靠你提供编码了。当 Java 被告知这次读档是要用 Big5 读， 它就知道这个 A7 DA 代表“我”字，如果被告知是用 UTF-8 读， 它就知道这个代表“你”字。 简而言之，所谓编码你可以想成是 字 的表示方法，对於 Java 而言，就是把 bytes 转成 chars 及 chars 转成 bytes 的格式。 （上面的讲法只是把故事讲得尽量浅白，有些不太准确） 第二要讲的是 "ANSI 编码"，严格上世上没有一种编码叫 ANSI。 ASCII 大家都知道，有一个 ANSI 规格，算是把 ASCII 扩充， 用尽了 8 bits. Windows 中所谓 ANSI 编码，就单统是指每个 byte 都会用到 8 bits，换而言之，就是没编码。Windows 怎样 读档，就是依据 Windows 里面的default 的编码 (windows 里 又叫这叫 codepage)，即是如果你的 Windows 设了做 Big5， 你所谓的 ANSI 编码存的文字档其实就是 Big5, Windows 设了做 GBK, 存的档就是 GBK。 Java 读档时，如果你没有明讲要用哪一种编码，没记错的话是会 用系统设定的，如果你的 windows 设了做 Big5，那麽它就会当 是 Big5 来读档。想当然耳，如果用来读 UTF-8 的档就当然会 出问题。 第三讲的是判断编码。面对一个文字档，我怎麽知道是 Big5 还 是 UTF8? 简单来说是没方法。道理很简单，假设档里面只有两个 bytes A7 DA，你当 Big5 读也对（读出“我”字），当 UTF-8 读 也对（读出“你”字），除非我有超能力否则我怎麽可能知道你 本身想写的是哪个字？ 有些工具（Java 上好像少见）好像会靠里面的文字去猜编码， 比如出现某些组合是 Big5 的规格中没用到，那它就知道这档不是 Big5。可是，也是想当然耳，并不准确。 还有一个可能性，某些编码（好像只是 unicode 系列的才有）在存 文字档的时候，会在最开初有几个特别的 bytes 来表达自己是什麽 编码 (Byte Order Mark, BOM)，不过很可惜，UTF-8 的档并不一定 会有 BOM（甚至可以说是不建议使用），要是刚好你的档有存 BOM 你或者可以用此作判断。 简而言之，Java 很笨 （同样可以套到其他语言），你不告诉它一 个档是什麽编码，它没法自己猜要用什麽编码读。你设计程式就要 想方法告诉它正确的编码，no magic。 Alien --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 223.19.42.175 ※ 编辑: adrianshum 来自: 223.19.42.175 (05/24 23:11)