為什么Java的String.getBytes（）使用“ISO-8859-1”

Question

來自java.lang.StringCoding：

String csn = (charsetName == null) ? "ISO-8859-1" : charsetName;

這是從Java.lang.getBytes（）中使用的，在linux jdk 7中我總是認為UTF-8是默認的字符集？

謝謝

Answer 1

這有點復雜......

Java 嘗試使用默認字符編碼來使用String.getBytes（）返回字節。

• 默認字符集由系統file.encoding屬性提供。
• 這是緩存的，在JVM啟動后通過System.setProperty（..）更改它是沒有用的。
• 如果file.encoding屬性未映射到已知的字符集，則指定UTF-8。

....這是棘手的部分（可能永遠不會發揮作用）....

如果系統無法使用默認字符集（UTF-8或其他字符串）對字符串進行解碼或編碼，則將回退到ISO-8859-1。 如果后備不起作用......系統將失敗！

....真的......（喘息！）......如果我的指定字符集無法使用，UTF-8或ISO-8859-1也無法使用，它會崩潰嗎？

是。 String源碼注釋狀態在StringCoding.encode（...）方法中：

//如果我們找不到ISO-8859-1（一個必需的編碼）那么安裝就會出現嚴重問題。

...然后調用System.exit（1）

---

那么，為什么在getBytes（）方法中有意回退ISO-8859-1？

雖然不太可能，但用戶JVM可能不支持UTF-8中的解碼和編碼或JVM啟動時指定的字符集。

那么，在getBytes（）期間，String類中是否正確使用了默認字符集？

不。但是，更好的問題是......

---

String.getBytes（）是否提供了它所承諾的功能？

Javadoc中定義的合同是正確的。

未指定此字符串無法在默認字符集中進行編碼時此方法的行為。 當需要對編碼過程進行更多控制時，應使用CharsetEncoder類。

---

好消息（以及更好的做事方式）

始終建議明確指定“ISO-8859-1”或“US-ASCII”或“UTF-8”或將字節轉換為字符串時所需的任何字符集，反之亦然 - 除非 - 您之前已獲得默認的charset並100％確定它是你需要的。

請改用此方法：

public byte[] getBytes(String charsetName)

要查找系統的默認值，只需使用：

Charset.defaultCharset()

希望有所幫助。

Answer 2

默認情況下，無參數的String.getBytes()方法不使用ISO-8859-1。 如果可以確定，它將使用默認平台編碼。 但是，如果丟失或者是無法識別的編碼，則它將作為“默認默認值”回退到ISO-8859-1。

你應該很少在實踐中看到這一點。 通常，將正確檢測平台默認編碼。

但是，我強烈建議您在每次執行編碼或解碼操作時指定顯式字符編碼。 即使您希望平台默認，也請明確指定。

Answer 3

這是出於兼容性的原因。

從歷史上看，Windows和Unix上沒有指定字符集的所有Java方法當時都使用了常見的方法，即"ISO-8859-1" 。

正如Isaac和javadoc所提到的，使用了默認的平台編碼（參見Charset.java ）：

594    public static Charset defaultCharset() {
595        if (defaultCharset == null) {
596            synchronized (Charset.class) {
597                String csn = AccessController.doPrivileged(
598                    new GetPropertyAction("file.encoding"));
599                Charset cs = lookup(csn);
600                if (cs != null)
601                    defaultCharset = cs;
602                else
603                    defaultCharset = forName("UTF-8");
604            }
605        }
606        return defaultCharset;
607    }

始終在執行字符串到字節或字節到字符串轉換時指定字符集。

即使像String.getBytes()的情況一樣，你仍然會發現一個不推薦使用charset的非棄用方法（當Java 1.1出現時，大多數方法都被棄用了）。 就像字節順序一樣，平台格式無關緊要，相關的是存儲格式的規范。

Answer 4

詳細說明Skeet的答案（當然是正確答案）

在java.lang.String的源代碼中， getBytes()調用StringCoding.encode(char[] ca, int off, int len) ，它在第一行有：

String csn = Charset.defaultCharset().name();

然后（不是立即但絕對）它調用static byte[] StringEncoder.encode(String charsetName, char[] ca, int off, int len) ，其中引用的行來自 - 作為charsetName傳遞csn - 所以在這一行charsetName 將是默認字符集（如果存在）。