读取 java 源文件时使用什么字符集？

Question

我在读这个

源代码是否应该以 UTF-8 格式保存

我正在使用 eclipse 编译器库，但需要读取一些 java 源文件以将其提供给该库。它似乎可以以与该帖子不同的格式存储。

是否有一个字符集可以用来读取它，以便每次都能使用。Charset.forName("UTF-8") 也许？

谢谢，院长

Answer 1

字符编码不同

任何工具都可以用任何编码编写 Java 源代码。甚至 .java 文件的想法也不是由Java Language Spec定义的。任何IDE都可以使用任何编码以任何方式保留 Java 源代码^†。

这些工具负责最终将符合 Unicode 的字符流提供到编译器工具链中。他们如何收集和保存源代码取决于特定的工具。

Java 语言规范在第 3 章词法结构中指出：

程序是使用 Unicode 字符集编写的。有关此字符集及其相关字符编码的信息可以在http://www.unicode.org/上找到。

因此，据推测，Java 源代码文件将使用 Unicode 常见的字符编码之一，例如UTF-8、UTF-16或 UCS-2。

第 3.2 节词法转换提到 Java 程序可以通过嵌入 Unicode 转义来使用诸如ASCII 之类的编码：

\uxxxx 形式的 Unicode 转义，其中 xxxx 是一个十六进制值，表示编码为 xxxx 的 UTF-16 代码单元。

虽然 UTF-8 在我的经验中很常见，但这并不是唯一可能的编码。您必须知道或猜测任何特定源文件的编码，并且必须考虑扩展任何 Unicode 转义符。

其他事宜

顺便说一句，注意，至少在Oracle JDK，在字节顺序标记（BOM） 可选为UTF-8的文件是不是由于错误在Java中允许（JDK-4508058），将永远是固定的（因为向后兼容性问题）。

另请注意，行终止符可能会有所不同：ASCII 字符 CR (CARRIAGE RETURN)、LF (LINE FEED) 或 CR LF。

空白区域各不相同：空格 (SP)、字符制表 (HT)（水平制表符）、换页符 (FF) 和行终止符。

阅读规范以获取更多详细信息。例如，关于 SUBSTITUTE 字符：

作为与某些操作系统兼容的特殊让步，如果 ASCII SUB 字符（\u001a 或 control-Z）是转义输入流中的最后一个字符，则它会被忽略。

关于字符编码

确保您了解 Unicode 和字符编码的基础知识。最佳起点：Joel Spolsky的绝对最低要求，每个软件开发人员绝对，肯定必须了解 Unicode 和字符集（没有借口！）。

^†甚至诸如“每个 .java 文件一个公共类”之类的假设规则也可能由特定工具而不是 Java 本身定义。用于 Java 回退的CodeWarrior工具支持每个文件的多个类。