By

这个简单的Java程序竟然有问题，如果我们输入的是中文，程序不会正常输出。

1
2
3
4
5
6
7
8
import java.util.Scanner;  
public class Test {  
    public static void main(String[] args) {  
        Scanner scanner = new Scanner(System.in);  
        String s = scanner.next();  
        System.out.println("你输入了 = "+ s);  
    }  
}  
1
2
3
4
5
结果：  
run：  
陶   // 用户输入  
你输入了 = ��  
成功生成（总时间：7 秒）

这究竟是为什么呢？
先了解一下Java的输入文件流机制，System.in是字节流。系统是按照每个字节读入，最后组成字节组作为读入的。
Scanner是套在System.in外面的字符流。下面我们直接显示System.in读入的字节

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
public class ChineseEncoding {  
    private static void printBytes(byte[] bytes) {  
        for (byte b : bytes) {  
            printByte(b);  
        }  
        System.out.println();  
    }  
    private static void printByte(byte abyte) {  
        String hex = "00"+Integer.toHexString((int)abyte);  
        System.out.print(hex.substring(hex.length() - 2) + "\t");  
    }  
    public static void main(String[] args) throws IOException {  
        String s = "陶";  
        printBytes(s.getBytes("GBK"));  
        printBytes(s.getBytes("UTF-8"));  
        byte b = (byte) System.in.read();  
        while (true) {  
            printByte(b);  
            b = (byte) System.in.read();  
        }  
    }  
}

我们可以看到System.in读入的字节流是默认以GBK编码的。

1
2
3
4
5
run：  
cc        d5      // 陶的GBK编码      
e9        99        b6        // 陶的UTF8编码  
陶  
cc        d5        0a    // 0a是回车生成的

对比，可以知道Scanner的字符套默认是以GBK编码转化的。
下面这个输出可以验证

1
2
byte[] b = new byte[]{new Byte((byte) 0xcc), new Byte((byte) 0xd5)};  
System.out.println(new String(b, "GBK"));

这个输出可以准确输出为：陶。
因此，我们有两个方法解决这个问题：
一、使用以下方式读入

1
Scanner scanner = new Scanner(System.in, "GBK");

二、更改默认编码

1
2
String encoding = System.getProperty("file.encoding");  
System.out.println(encoding);

这个输出为UTF8。如果输出为GBK则不会有开头所提的问题。可以认为file.encoding的值是Java程序main入口函数的默认编码。
NetBeans修改方法如下：
change default encoding in Netbeans

附注：
可以看到陶的UTF8编码为
e9 99 b6
ef bb bf e9 99 b6（带有BOM头，其中BOM头为ef bb bf）
Unicode的编码为fe ff 76 96，其中fffe是控制高位和低位的发送顺序的。
其中变化方法如下：
encoding of chinese TAO, from utf8 to GBK