Java UTF-8 странное поведение
В целом доберитесь/методы установки, ниспровергают инкапсуляцию путем представления внутренней реализации и состояния. Если Вы используете, получают/устанавливают на каждой части данных в Вашем классе, скорее всего, лучше просто сделать это простым составным типом только с общедоступными данными и никакими методами.
я действительно не покупаю, которые получают/устанавливают, помогает сделать вещи как, например, сделать Ваш класс ориентированным на многопотоковое исполнение, потому что ограниченная синхронизация, которую можно обеспечить, защищает от всех неправильных видов условий состязания.
4 ответа
Консоль, на которую вы выводите (например, Windows), может не поддерживать Unicode и искажать символы. Вывод на консоль не является хорошим представлением данных.
Вместо этого попробуйте записать вывод в файл, убедившись, что кодировка правильная в FileWriter, а затем откройте файл в удобном для юникода редакторе.
В качестве альтернативы, используйте отладчик, чтобы убедиться, что символы соответствуют вашим ожиданиям. Только не доверяйте консоли.
Код в порядке, но, как сказал скаффман, ваша консоль, вероятно, не поддерживает соответствующий символ.
Чтобы точно проверить, вам нужно распечатать значения Unicode символа:
public class Test {
public static void main(String[] args) throws Exception {
byte[] utf8 = { 105, -52, -120 };
String text = new String(utf8, "UTF-8");
for (int i=0; i < text.length(); i++) {
System.out.println(Integer.toHexString(text.charAt(i)));
}
}
}
Это печатает 69, 308 - что является правильным (U + 0069, U + 0308).
Вы оба правы. Спасибо !!
Вот как я наконец решил проблему в Eclipse для Windows:
- На вкладке «Конфигурация запуска», на вкладке «Аргументы» я добавил "
-Dfile.encoding = UTF-8" в Аргументы виртуальной машины - В конфигурации «Выполнить» на вкладке «Общие» я установил кодировку консоли на UTF-8
И изменил код следующим образом:
byte[] utf8 = { 105, -52, -120 };
System.out.print("{{");
for(int i = 0; i < utf8.length; ++i)
{
int value = utf8[i] & 0xFF;
System.out.print(Integer.toHexString(value));
}
System.out.println("}}");
PrintStream sysout = new PrintStream(System.out, true, "UTF-8");
sysout.print(">" + new String(utf8, "UTF-8"));
Вывод:
{{69cc88}}
> ï
Спасибо!
Java, не без оснований, кодирует символы Unicode в байты, закодированные в собственной системе, прежде чем записать их в stdout . Некоторые операционные системы, как и многие дистрибутивы Linux, используют UTF-8 в качестве набора символов по умолчанию, что приятно.
В Windows все немного по-другому по ряду причин обратной совместимости. Системная кодировка по умолчанию будет одной из кодовых страниц « ANSI », и если вы откроете командную строку по умолчанию (cmd.exe), она будет одной из старых кодовых страниц « OEM » DOS (хотя там можно получить ANSI и Unicode , немного поработав ).
Поскольку U + 0308 не входит ни в один из наборов символов "ANSI" (вероятно, 1252 в вашем случае), это ' ll будут закодированы как символ ошибки (обычно это вопросительный знак).
Альтернативой включению Unicode все является нормализация объединяющей последовательности U + 0069 U + 0308 до одного символа U + 00EF:
public static void emit(String foo) throws IOException {
System.out.println("Literal: " + foo);
System.out.print("Hex: ");
for (char ch : foo.toCharArray()) {
System.out.print(Integer.toHexString(ch & 0xFFFF) + " ");
}
System.out.println();
}
public static void main(String[] args) throws IOException {
String foo = "\u0069\u0308";
emit(foo);
foo = Normalizer.normalize(foo, Normalizer.Form.NFC);
emit(foo);
}
В windows-1252 этот код выдаст:
Literal: i? Hex: 69 308 Literal: ï Hex: ef