Scala编译器是否可以处理UTF-8编码的源文件？

我有一个非常简单的Scala代码

 var str = "≤"
 for( ch <- str ) { printf("%d, %x", ch.toInt, ch.toInt) ; println  }
 println
 str = "\u2264" ;
 for( ch <- str ) { printf("%d, %x", ch.toInt, ch.toInt) ; println }

显然，第一个字符串在运行时是3个字符长，而不是源文件中的1个字符长

源文件存储在UTF-8中。十六进制转储显示其编码正确，第一个字符串是22 E2 89 A4 22。我正在使用Eclipse和用于Eclipse的Scala插件

• scala编译器是否接受UTF-8编码的输入文件？
• 如果是，为什么我的程序会产生意想不到的结果？

---

是，Scala完全支持UTF-8

我无法复制你的结果。MacOSX、Java7、Scala2.10.4

检查系统的文件编码：

scala> System.getProperty("file.encoding")
res0: String = UTF-8

将此行添加到.bashrc。这可能会解决某些*nix环境中的问题

export JAVA_OPTS='-Dfile.encoding=UTF-8'

---

有时IDE设置为错误的文件编码。您也可以检查此项。

回答我自己的问题：

scala编译器是否可以处理UTF-8编码的文件

是的，但前提是它知道它们是UTF-8编码的。在没有任何其他证据的情况下，它使用Java的

file.encoding

属性。（感谢@AndreasNeumann给出这部分答案。）

为什么我的程序没有按我预期的那样运行

因为我的

file.encoding

属性设置为

MacRoman

。尽管我告诉eclipse该文件是UTF-8，但这个信息并没有传递给Scala编译器。因此，编译器根据

MacRoman

编码将3字节序列E289 A4解释为一个三字符序列：一个较低的单引号（看起来很像逗号）、一个“a”扬抑符和一个段符号。这个3个字符序列的unicode是U+201A U+00E2 U+00A7，这解释了我的程序的输出

你如何解决这个问题

在上，使用选项

-编码UTF-8

。在eclipse中，您可以使用Scala插件的首选项（选项）来添加此选项。（感谢@Jesper给出这部分答案。）您还可以在

scalac

命令行上或通过

JAVA\u OPTS

环境变量使用

-D

选项来设置

file.encoding

属性。（详见@AndreasNeumann的答案。）

如果使用，至少可以做三件事

• 一种是在Eclipse的全局首选项（或选项）中的General>>Workspace下为所有工作空间设置默认编码，如Iulian Dragos的回答所示
• 在项目属性中（右键单击Package Explorer中的项目，选择

  属性

  ），在

  资源

  首选项下，选择UTF-8作为

  文本文件编码

• 最后，您可以在首选项（或选项）中的编译器>>Scala下的

  附加命令行参数下添加
  -encoding UTF-8
  。可以将其设置为全局首选项（或选项）或项目特定的特性设置。
  

---

Scala插件尊重Eclipse的编码设置。可以在“首选项”中设置工作区默认值。如果这没有渗透到源代码中，请检查在项目或源文件夹级别是否存在覆盖编码

例如，以下是源文件夹的属性页：

---

“Scala编译器是否可以处理UTF-8编码的源文件？”答案是肯定的。奇怪的是，如果我告诉eclipse将编码更改为MacRoman，它会将字符串显示为三个字符。如果随后将其编辑回1并保存，则字符串将保存为一个字符：B2。编译，运行。它起作用了！因此，如果文件是用UTF-8编码的，eclipse似乎无法通知scala编译器这是真的，scala编译器正在进行处理，就好像文件是用其他编码一样。这解释了除特定的3个字符以外的所有内容。为什么201a e2 a7而不是e2 89 a4？我真的不在乎。我确实想知道如何告诉Scala采用何种编码。使用

scalac

在命令行上编译代码时，请使用

-encoding

选项指定源文件的编码。例如：

scalac-编码UTF-8 MyProgram.scala

谢谢@Jesper。这提供了一个很好的解决办法。另外，当我这样做时，包含非SCII字符的MacRoman编码文件会出现编译时错误。所以我不会不小心使用了错误的编码，除非所有字符都在0000和00FF之间——在这种情况下，这并不重要。谢谢。我正在使用eclipse，那里的解释器显示“MacRoman”。我想我在想，如果我告诉Eclipse一个文件是UTF-8格式的，它会以某种方式将其传递给编译器。嗯……认为自己拥有JAVA_OPTS的脚本太多了。我从来都不喜欢这种方法……在JVM上的多克隆项目中工作时，它有很多好处。否则很难保证互操作性。您应该在工作区首选项中设置默认编码。IDE无论如何都会添加-编码，所以现在您要听命于命令行解析，以及-编码需要什么precedence@IulianDragos谢谢我想我已经试过了，但我想不是在全球范围内。是否有特定于项目的方法来实现这一点？无论如何，我会编辑我的答案。好的。找到了特定于项目的解决方案。将再次编辑。

export JAVA_OPTS='-Dfile.encoding=UTF-8'