工作中經常遇到java編碼問題，由於缺乏研究，總是無法給出確切的答案，這個週末在網上查了一些資料，在此做些彙總。
問題一：在java中讀取文件時應該採用什麼編碼？
Java讀取文件的方式總體可以分爲兩類：按字節讀取和按字符讀取。按字節讀取就是採用InputStream.read()方法來讀取字節，然後保存到一個byte[]數組中，最後經常用new String(byte[]);把字節數組轉換成String。在最後一步隱藏了一個編碼的細節，new String(byte[]);會使用操作系統默認的字符集來解碼字節數組，中文操作系統就是GBK。而我們從輸入流裏讀取的字節很可能就不是GBK編碼的，因爲從輸入流裏讀取的字節編碼取決於被讀取的文件自身的編碼。舉個例子：我們在D:盤新建一個名爲demo.txt的文件，寫入”我們。”，並保存。此時demo.txt編碼是ANSI，中文操作系統下就是GBK。此時我們用輸入字節流讀取該文件所得到的字節就是使用GBK方式編碼的字節。那麼我們最終new String(byte[]);時採用平臺默認的GBK來編碼成String也是沒有問題的(字節編碼和默認解碼一致)。試想一下，如果在保存demo.txt文件時，我們選擇UTF-8編碼，那麼該文件的編碼就不在是ANSI了，而變成了UTF-8。仍然採用輸入字節流來讀取，那麼此時讀取的字節和上一次就不一樣了，這次的字節是UTF-8編碼的字節。兩次的字節顯然不一樣，一個很明顯的區別就是：GBK每個漢字兩個字節，而UTF-8每個漢字三個字節。如何我們最後還使用new String(byte[]);來構造String對象，則會出現亂碼，原因很簡單，因爲構造時採用的默認解碼GBK，而我們的字節是UTF-8字節。正確的辦法就是使用new String(byte[],”UTF-8”);來構造String對象。此時我們的字節編碼和構造使用的解碼是一致的，不會出現亂碼問題了。
說完字節輸入流，再來說說字節輸出流。
我們知道如果採用字節輸出流把字節輸出到某個文件，我們是無法指定生成文件的編碼的(假設文件以前不存在)，那麼生成的文件是什麼編碼的呢？經過測試發現，其實這取決於寫入的字節編碼格式。比如以下代碼：
OutputStream out = new FileOutputStream("d:\\demo.txt");
out.write("我們".getBytes());
getBytes()會採用操作系統默認的字符集來編碼字節，這裏就是GBK，所以我們寫入demo.txt文件的是GBK編碼的字節。那麼這個文件的編碼就是GBK。如果稍微修改一下程序：out.write("我們".getBytes(“UTF-8”));此時我們寫入的字節就是UTF-8的，那麼demo.txt文件編碼就是UTF-8。這裏還有一點，如果把”我們”換成123或abc之類的ascii碼字符，那麼無論是採用getBytes()或者getBytes(“UTF-8”)那麼生成的文件都將是GBK編碼的。
這裏可以總結一下，InputStream中的字節編碼取決文件本身的編碼，而OutputStream生成文件的編碼取決於字節的編碼。
下面說說採用字符輸入流來讀取文件。
首先，我們需要理解一下字符流。其實字符流可以看做是一種包裝流，它的底層還是採用字節流來讀取字節，然後它使用指定的編碼方式將讀取字節解碼爲字符。說起字符流，不得不提的就是InputStreamReader。以下是java api對它的說明： InputStreamReader是字節流通向字符流的橋樑：它使用指定的 charset 讀取字節並將其解碼爲字符。它使用的字符集可以由名稱指定或顯式給定，否則可能接受平臺默認的字符集。說到這裏其實很明白了，InputStreamReader在底層還是採用字節流來讀取字節，讀取字節後它需要一個編碼格式來解碼讀取的字節，如果我們在構造InputStreamReader沒有傳入編碼方式，那麼會採用操作系統默認的GBK來解碼讀取的字節。還用上面demo.txt的例子，假設demo.txt編碼方式爲GBK，我們使用如下代碼來讀取文件：
InputStreamReader in = new InputStreamReader(new FileInputStream(“demo.txt”));
那麼我們讀取不會產生亂碼，因爲文件採用GBK編碼，所以讀出的字節也是GBK編碼的，而InputStreamReader默認採用解碼也是GBK。如果把demo.txt編碼方式換成UTF-8,那麼我們採用這種方式讀取就會產生亂碼。這是因爲字節編碼(UTF-8)和我們的解碼編碼(GBK)造成的。解決辦法如下：
InputStreamReader in = new InputStreamReader(new FileInputStream(“demo.txt”),”UTF-8”);
給InputStreamReader指定解碼編碼，這樣二者統一就不會出現亂碼了。
下面說說字符輸出流。
字符輸出流的原理和字符輸入流的原理一樣，也可以看做是包裝流，其底層還是採用字節輸出流來寫文件。只是字符輸出流根據指定的編碼將字符轉換爲字節的。字符輸出流的主要類是：OutputStreamWriter。Java api解釋如下：OutputStreamWriter 是字符流通向字節流的橋樑：使用指定的 charset 將要向其寫入的字符編碼爲字節。它使用的字符集可以由名稱指定或顯式給定，否則可能接受平臺默認的字符集。說的很明白了，它需要一個編碼將寫入的字符轉換爲字節，如果沒有指定則採用GBK編碼，那麼輸出的字節都將是GBK編碼，生成的文件也是GBK編碼的。如果採用以下方式構造OutputStreamWriter：
OutputStreamWriter out = new OutputStreamWriter(new FileOutputStream(“dd.txt”),”UTF-8”);
那麼寫入的字符將被編碼爲UTF-8的字節,生成的文件也將是UTF-8格式的。
問題二： 既然讀文件要使用和文件編碼一致的編碼，那麼javac編譯文件也需要讀取文件，它使用什麼編碼呢？
這個問題從來就沒想過，也從沒當做是什麼問題。正是因爲問題一而引發的思考，其實這裏還是有東西可以挖掘的。下面分三種情況來探討，這三種情況也是我們常用的編譯java源文件的方法。
1.javac在控制檯編譯java類文件。
通常我們手動建立一個java文件Demo.java，並保存。此時Demo.java文件的編碼爲ANSI,中文操作系統下就是GBK.然後使用javac命令來編譯該源文件。”javac Demo.java”。Javac也需要讀取java文件，那麼javac是使用什麼編碼來解碼我們讀取的字節呢？其實javac採用了操作系統默認的GBK編碼解碼我們讀取的字節，這個編碼正好也是Demo.java文件的編碼，二者一致，所以不會出現亂碼情況。讓我們來做點手腳，在保存Demo.java文件時，我們選擇UTF-8保存。此時Demo.java文件編碼就是UTF-8了。我們再使用”javac Demo.java”來編譯，如果Demo.java裏含有中文字符，此時控制檯會出現警告信息，也出現了亂碼。究其原因，就是因爲javac採用了GBK編碼解碼我們讀取的字節。因爲我們的字節是UTF-8編碼的，所以會出現亂碼。如果不信的話你可以自己試試。那麼解決辦法呢？解決辦法就是使用javac的encoding參數來制定我們的解碼編碼。如下：javac -encoding UTF-8 Demo.java。這裏我們指定了使用UTF-8來解碼讀取的字節，由於這個編碼和Demo.java文件編碼一致，所以不會出現亂碼情況了。
2.Eclipse中編譯java文件。
我習慣把Eclipse的編碼設置成UTF-8。那麼每個項目中的java源文件的編碼就是UTF-8。這樣編譯也從沒有問題，也沒有出現過亂碼。正是因爲這樣才掩蓋了使用javac可能出現的亂碼。那麼Eclipse是如何正確編譯文件編碼爲UTF-8的java源文件的呢？唯一的解釋就是Eclipse自動識別了我們java源文件的文件編碼，然後採取了正確的encoding參數來編譯我們的java源文件。功勞都歸功於IDE的強大了。
3.使用Ant來編譯java文件。
Ant也是我常用的編譯java文件的工具。首先，必須知道Ant在後臺其實也是採用javac來編譯java源文件的，那麼可想而知，1會出現的問題在Ant中也會存在。如果我們使用Ant來編譯UTF-8編碼的java源文件，並且不指定如何編碼，那麼也會出現亂碼的情況。所以Ant的編譯命令<javac>有一個屬性” encoding”允許我們指定編碼，如果我們要編譯源文件編碼爲UTF-8的java文件，那麼我們的命令應該如下：
<javac destdir="${classes}" target="1.4" source="1.4" deprecation="off" debug="on" debuglevel="lines,vars,source" optimize="off" encoding="UTF-8">
指定了編碼也就相當於”javac –encoding”了，所以不會出現亂碼了。
問題三：tomcat中編譯jsp的情況。
這個話題也是由問題二引出的。既然javac編譯java源文件需要採用正確的編碼，那麼tomcat編譯jsp時也要讀取文件，此時tomcat採用什麼編碼來讀取文件？會出現亂碼情況嗎？下面我們來分析。
我們通常會在jsp開頭寫上如下代碼：
<%@ page language="java" contentType="text/html; charset=utf-8" pageEncoding="utf-8"%>
我常常不寫pageEncoding這個屬於，也不明白它的作用，但是不寫也沒出現過亂碼情況。其實這個屬性就是告訴tomcat採用什麼編碼來讀取jsp文件的。它應該和jsp文件本身的編碼一致。比如我們新建個jsp文件，設置文件編碼爲GBK,那麼此時我們的pageEncoding應該設置爲GBK,這樣我們寫入文件的字符就是GBK編碼的，tomcat讀取文件時採用也是GBK編碼，所以能保證正確的解碼讀取的字節。不會出現亂碼。如果把pageEncoding設置爲UTF-8，那麼讀取jsp文件過程中轉碼就出現了亂碼。上面說我常常不寫pageEncoding這個屬性，但是也沒出現過亂碼，這是怎麼回事呢？那是因爲如果沒有pageEncoding屬性，tomcat會採用contentType中charset編碼來讀取jsp文件，我的jsp文件編碼通常設置爲UTF-8,contentType的charset也設置爲UTF-8,這樣tomcat使用UTF-8編碼來解碼讀取的jsp文件，二者編碼一致也不會出現亂碼。這只是contentType中charset的一個作用，它還有兩個作用，後面再說。可能有人會問：如果我既不設置pageEncoding屬性，也不設置contentType的charset屬性，那麼tomcat會採取什麼編碼來解碼讀取的jsp文件呢？答案是iso-8859-1，這是tomcat讀取文件採用的默認編碼，如果用這種編碼來讀取文件顯然會出現亂碼。
問題四：輸出。
問題二和問題三分析的過程其實就是從源文件àclass文件過程中的轉碼情況。最終的class文件都是以unicode編碼的，我們前面所做的工作就是把各種不同的編碼轉換爲unicode編碼，比如從GBK轉換爲unicode,從UTF-8轉換爲unicode。因爲只有採用正確的編碼來轉碼才能保證不出現亂碼。Jvm在運行時其內部都是採用unicode編碼的，其實在輸出時，又會做一次編碼的轉換。讓我們分兩種情況來討論。
1.java中採用Sysout.out.println輸出。
比如：Sysout.out.println(“我們”)。經過正確的解碼後”我們”是unicode保存在內存中的，但是在向標準輸出(控制檯)輸出時，jvm又做了一次轉碼，它會採用操作系統默認編碼(中文操作系統是GBK)，將內存中的unicode編碼轉換爲GBK編碼，然後輸出到控制檯。因爲我們操作系統是中文系統，所以往終端顯示設備上打印字符時使用的也是GBK編碼。因爲終端的編碼無法手動改變，所以這個過程對我們來說是透明的，只要編譯時能正確轉碼，最終的輸出都將是正確的，不會出現亂碼。在Eclipse中可以設置控制檯的字符編碼，具體位置在Run Configuration對話框的Common標籤裏,我們可以試着設置爲UTF-8,此時的輸出就是亂碼了。因爲輸出時是採用GBK編碼的，而顯示卻是使用UTF-8，編碼不同，所以出現亂碼。
2.jsp中使用out.println()輸出到客戶端瀏覽器。
Jsp編譯成class後，如果輸出到客戶端，也有個轉碼的過程。Java會採用操作系統默認的編碼來轉碼，那麼tomcat採用什麼編碼來轉碼呢？其實tomcat是根據<%@ page language="java" contentType="text/html; charset=utf-8" pageEncoding="utf-8"%>中contentType的charset參數來轉碼的，contentType用來設置tomcat往瀏覽器發送HTML內容所使用的編碼。Tomcat根據這個編碼來轉碼內存中的unicode。經過轉碼後tomcat輸出到客戶端的字符編碼就是utf-8了。那麼瀏覽器怎麼知道採取什麼編碼格式來顯示接收到的內容呢？這就是contentType的charset屬性的第三個作用了：這個編碼會在HTTP響應頭中指定以通知瀏覽器。瀏覽器使用http響應頭的contentType的charset屬性來顯示接收到的內容。
總結一下contentType charset的三個作用：
1).在沒有pageEncoding屬性時，tomcat使用它來解碼讀取的jsp文件。
2).tomcat向客戶端輸出時，使用它來編碼發送的內容。
3).通知瀏覽器，應該以什麼編碼來顯示接收到的內容。
爲了能更好的理解上面所說的解碼和轉碼過程，我們舉一個例子。
新建一個index.jsp文件，該文件編碼爲GBK,在jsp開頭我們寫上如下代碼：
<%@ page language="java" contentType="text/html; charset=utf-8" pageEncoding="GBK"%>
這裏的charset和pageEncoding不同，但是也不會出現亂碼，我來解釋一下。首先tomcat讀取jsp內容，並根據pageEncoding指定的GBK編碼將讀取的GBK字節解碼並轉換爲unicode字節碼保存在class文件中。然後tomcat在輸出時(out.println())使用charset屬性將內存中的unicode轉換爲utf-8編碼，並在響應頭中通知瀏覽器，瀏覽器以utf-8顯示接收到的內容。整個過程沒有一次轉碼錯誤，所以就不會出現亂碼情況。
問題五：Properties和ResourceBundle使用的解碼編碼。
以上兩個是我們常用的類，他們在讀取文件過程中並不允許我們指定解碼編碼，那麼它們採取什麼解碼方式呢？查看源碼後發現都是採用iso-8859-1編碼來解碼的。這樣的話我們也不難理解我們寫的properties文件爲什麼都是iso-8859-1 的了。因爲採取任何一個別的編碼都將產生亂碼。因爲iso-8859-1編碼是沒
有中文的，所以我們輸入的中文要轉換爲unicode，通常我們使用插件來完成，也可以使用jdk自帶的native2ascii工具。