首先聲明，這篇沒有解決辦法，只是旨在提供相關的背景知識。 第一樣講編碼。編碼 (encoding) 指的是什麼？舉個簡單例子。 首先 Java 運作時統統用 Unicode (UTF16 吧？) ，簡單的把 它想成 Java 裡的 character 夠大，能放世上所有的文字。 可是你的檔案，絕大部份時候都不是用 Unicode 來存。Big5 的標準下，“我”字是用兩個 byte A7DA 來代表，可是在 UTF-8 底下，A7DA 代表的是另一個字（你當成是“你”字好 了，實際是別的東西，只是做例子而已）。好了，當 Java 要讀你的檔，面對一串的 bytes, 讀進來的是兩個 bytes 是A7 DA， Java 要怎麼才能知道應該當成“我”字還是“你”字？這就 要靠你提供編碼了。當 Java 被告知這次讀檔是要用 Big5 讀， 它就知道這個 A7 DA 代表“我”字，如果被告知是用 UTF-8 讀， 它就知道這個代表“你”字。 簡而言之，所謂編碼你可以想成是 字 的表示方法，對於 Java 而言，就是把 bytes 轉成 chars 及 chars 轉成 bytes 的格式。 （上面的講法只是把故事講得盡量淺白，有些不太準確） 第二要講的是 "ANSI 編碼"，嚴格上世上沒有一種編碼叫 ANSI。 ASCII 大家都知道，有一個 ANSI 規格，算是把 ASCII 擴充， 用盡了 8 bits. Windows 中所謂 ANSI 編碼，就單統是指每個 byte 都會用到 8 bits，換而言之，就是沒編碼。Windows 怎樣 讀檔，就是依據 Windows 裡面的default 的編碼 (windows 裡 又叫這叫 codepage)，即是如果你的 Windows 設了做 Big5， 你所謂的 ANSI 編碼存的文字檔其實就是 Big5, Windows 設了做 GBK, 存的檔就是 GBK。 Java 讀檔時，如果你沒有明講要用哪一種編碼，沒記錯的話是會 用系統設定的，如果你的 windows 設了做 Big5，那麼它就會當 是 Big5 來讀檔。想當然耳，如果用來讀 UTF-8 的檔就當然會 出問題。 第三講的是判斷編碼。面對一個文字檔，我怎麼知道是 Big5 還 是 UTF8? 簡單來說是沒方法。道理很簡單，假設檔裡面只有兩個 bytes A7 DA，你當 Big5 讀也對（讀出“我”字），當 UTF-8 讀 也對（讀出“你”字），除非我有超能力否則我怎麼可能知道你 本身想寫的是哪個字？ 有些工具（Java 上好像少見）好像會靠裡面的文字去猜編碼， 比如出現某些組合是 Big5 的規格中沒用到，那它就知道這檔不是 Big5。可是，也是想當然耳，並不準確。 還有一個可能性，某些編碼（好像只是 unicode 系列的才有）在存 文字檔的時候，會在最開初有幾個特別的 bytes 來表達自己是什麼 編碼 (Byte Order Mark, BOM)，不過很可惜，UTF-8 的檔並不一定 會有 BOM（甚至可以說是不建議使用），要是剛好你的檔有存 BOM 你或者可以用此作判斷。 簡而言之，Java 很笨 （同樣可以套到其他語言），你不告訴它一 個檔是什麼編碼，它沒法自己猜要用什麼編碼讀。你設計程式就要 想方法告訴它正確的編碼，no magic。 Alien --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 223.19.42.175 ※ 編輯: adrianshum 來自: 223.19.42.175 (05/24 23:11)