Я борюсь со странным именем файла проблема кодирования при перечислении содержимого каталога в Java 6 как в OS X, так и в Linux: файл . listFiles ()
и связанные с ним методы, похоже, возвращают имена файлов в кодировке, отличной от кодировки остальной системы.
Обратите внимание, что не только отображение этих имен файлов вызывает у меня проблемы. Меня в основном интересует сравнение имен файлов с удаленной системой хранения файлов, поэтому меня больше волнует содержание строк имен, чем кодировка символов, используемая для вывода на печать.
Вот программа для демонстрации. Он создает файл с именем Unicode, затем распечатывает URL-кодированные версии имен файлов, полученных из непосредственно созданного файла, и тот же файл, если он указан в родительском каталоге (вы должны запустить этот код в пустой каталог). Результаты показывают различную кодировку, возвращаемую методом File.listFiles ()
.
String fileName = "Trîcky Nåme";
File file = new File(fileName);
file.createNewFile();
System.out.println("File name: " + URLEncoder.encode(file.getName(), "UTF-8"));
// Get parent (current) dir and list file contents
File parentDir = file.getAbsoluteFile().getParentFile();
File[] children = parentDir.listFiles();
for (File child: children) {
System.out.println("Listed name: " + URLEncoder.encode(child.getName(), "UTF-8"));
}
Здесь ' что я получаю, когда запускаю этот тестовый код в своих системах. Обратите внимание на представления символов % CC
и % C3
.
OS X Snow Leopard:
File name: Tri%CC%82cky+Na%CC%8Ame
Listed name: Tr%C3%AEcky+N%C3%A5me
$ java -version
java version "1.6.0_20"
Java(TM) SE Runtime Environment (build 1.6.0_20-b02-279-10M3065)
Java HotSpot(TM) 64-Bit Server VM (build 16.3-b01-279, mixed mode)
KUbuntu Linux (работает на виртуальной машине в той же системе OS X):
File name: Tri%CC%82cky+Na%CC%8Ame
Listed name: Tr%C3%AEcky+N%C3%A5me
$ java -version
java version "1.6.0_18"
OpenJDK Runtime Environment (IcedTea6 1.8.1) (6b18-1.8.1-0ubuntu1)
OpenJDK Client VM (build 16.0-b13, mixed mode, sharing)
Я пробовал различные приемы для согласования строк, включая установку системного свойства file.encoding
и различных переменных среды LC_CTYPE
и LANG
. Ничего не помогает, и я не хочу прибегать к таким хитростям.
В отличие от этого (отчасти связанного?) Вопроса , я могу читать данные из перечисленных файлов, несмотря на странные имена
В файловой системе Unix имя файла на самом деле представляет собой байт с завершающим нулем[]. Таким образом, среда выполнения java должна выполнять преобразование из java.lang.String в byte[] во время операции createNewFile(). Преобразование символов в байты регулируется локалью. Я тестировал настройку LC_ALL
на en_US.UTF-8
и en_US.ISO-8859-1
и получил согласованные результаты. Это с Sun (... Oracle) java 1.6.0_20. Однако для LC_ALL=en_US.POSIX
результат будет следующим:
File name: Tr%C3%AEcky+N%C3%A5me
Listed name: Tr%3Fcky+N%3Fme
3F
— знак вопроса. Он говорит мне, что преобразование не было успешным для символа, отличного от ASCII. Потом опять все ожидаемо.
Но причина, по которой ваши две строки различаются, заключается в эквивалентности между символом \u00EE (или C3 AE
в UTF-8) и последовательностью i+\u0302 (69 CC 82
в UTF-8). \u0302 — это комбинированный диакритический знак (сочетающий циркумфлексный ударение). Некоторая нормализация произошла во время создания файла. Я не уверен, делается ли это во время выполнения Java или в ОС.
ПРИМЕЧАНИЕ. Мне потребовалось некоторое время, чтобы понять это, поскольку фрагмент кода, который вы опубликовали, не имеет комбинированного диакритического знака, а эквивалентен символу î
(например, >ee
). Вы должны были внедрить escape-последовательность Unicode в строковый литерал (но это легко сказать потом...).
Я подозреваю, что вам просто нужно указать javac
, какую кодировку использовать для компиляции файла .java
, содержащего специальные символы, поскольку вы жестко закодировал его в исходном файле. В противном случае будет использоваться кодировка платформы по умолчанию, которая может вообще не быть UTF-8.
Для этого можно использовать аргумент VM -encoding
.
javac -encoding UTF-8 com/example/Foo.java
Таким образом, результирующий файл .class
будет содержать правильные символы, и вы также сможете создать и указать правильное имя файла.