Java'；字符串的本机字符集

我完全被我在电视上看到的答案弄糊涂了 java文档上的stackoverflow plus

虽然上面链接中的文档和堆栈中的所有理论似乎都指出UTF-16是Java支持的本机字符集，但还有一种理论认为它取决于JVM/OS，例如在link中，它说：

Java虚拟机的每个实例都有一个默认字符集，它可能是标准字符集之一，也可能不是。默认字符集在虚拟机启动期间确定，通常取决于基础操作系统使用的区域设置和字符集

然后在另一节的同一链接中，它说

Java编程语言的本机字符编码是UTF-16

我发现很难理解这种明显矛盾的说法，因为：

• 有人说它依赖于操作系统
• 另一个（我推断）说，不管操作系统是什么，UTF-16都是Java的字符集（这也是我上面提到的所有链接所说的）

同样，现在，当我执行以下代码时：

package org.sheel.classes;

import java.nio.charset.Charset;

public class Test {

    public static void main(String[] args) {
         System.out.println(Charset.defaultCharset());
    }

}

…在一个在线编辑器中，我可以看到UTF-8。在我的本地系统中，我可以看到windows-1252

最后，还有一个JDK增强方案（），它讨论将默认值更改为UTF-8

---

这种混淆有什么解释吗？

一个字符串内部是一个字符数组，

tocharray（）

，每个字符都是一个utf-16码点。当您将字符串转换为字节数组而不指定字符集时，

getBytes（）

，将使用OS one

---

PS：正如VGR所指出的，最近的实现可能不会将字符串存储为字符数组，但作为程序员，我们通常使用始终为UTF-16的字符进行交互。

字符串使用的内部编码与平台的默认字符集无关。它们彼此完全独立

管柱内部构件 在内部，字符串可以将其数据存储为任何内容。作为程序员，我们不与私有实现交互；我们只能使用公共方法。公共方法通常以UTF-16（

char

value）的形式返回字符串数据，尽管有些方法（如）可以返回完整的UTF-32 int值。这些方法都没有指明字符串数据是如何在内部存储的，只有程序员可以检查这些数据的形式

因此，与其说字符串以UTF-16或任何其他编码的形式在内部存储数据，不如说字符串存储一系列Unicode代码点，并使它们以各种形式可用，最常见的形式是字符值

默认字符集 默认字符集是Java从底层系统获得的东西

正如roberto指出的，当您使用某些（过时的）方法和构造函数时，默认字符集很重要。将字符串转换为字节，或将字节转换为字符串，而不显式指定字符集，将使用默认字符集。类似地，在不指定字符集的情况下创建InputStreamReader或OutputStreamWriter将使用默认字符集

依赖默认字符集通常是不明智的，因为它会使代码在不同的平台上表现出不同的行为。此外，有些字符集可以表示所有已知字符，但有些字符集只能表示整个Unicode指令集的一小部分。特别是，Windows通常有一个默认字符集，它使用一个字节来表示每个字符（

Windows-1252

，在美国版本的Windows中），显然这对于成千上万的可用字符来说是不够的

如果依赖默认字符集，则确实有可能丢失信息：

String s = "\u03c0\u22603"; // "π≠3"

byte[] bytes = s.getBytes();

for (byte b : bytes) {
    System.out.printf("%02x ", b);
}
System.out.println();

在大多数系统上，这将打印：

cf 80 e2 89 a0 33

在Windows上，这可能会打印：

3f 3f 33

pi和不相等字符不在windows-1252字符集中表示，因此在windows上，getBytes方法将它们替换为问号（字节值3f）

---

如果不涉及字节之间的转换，字符串对象将永远不会丢失信息，因为无论它们如何在内部存储数据，字符串类都保证保留每个字符。

我认为第二部分是指

.java

文件的编码，不是

String

s的字符集。我希望从答案中可以清楚地看出，用户的默认字符编码在本世纪几乎不相关。那么这是否意味着，如果操作系统字符集是UTF-8，并且我的代码中有一个字符串s=“hi there”，那么这个字符串就存储在UTF-16和s.getBytes（）中如果不指定字符集，将按照utf-8编码获取字节？如果是，这是否也意味着如果使用这些字节数组构造另一个字符串，它将给您一个可能不同的字符串值？@SheelPancholi yes。（最新版本的Java可能会使用UTF-16以外的东西在内部存储字符串，但这并不重要，因为程序不可能知道它。

char

始终是UTF-16值，不管字符串在内部做什么。）是的，它是。但是，如果你的应用程序要在多个操作系统或多个语言/国家/地区运行，请始终指定一个字符集以避免转换错误。根据JEP，UTF-8是一个不错的选择。@VGR您能详细说明一下吗？说“一个字符总是一个UTF-16值，不管字符串在内部做什么”，听起来像是一个递归矛盾的句子。字符是一个UTF-16值。我同意。但是，当我们说Java中的字符在内部存储时，这不正是我们的意思吗？那怎么可能是“不考虑”？重复我的问题，当使用操作系统字符集（例如utf-8）将这样一个“内部存储的utf-16字符串”转换为它的字节数组时，我们从这样一个字节数组构造一个字符串时，是否会冒得到不同字符串的风险？@Sheel