本文首发于个人微信公众号: <andyqian>，期待你的关注!

前言  

今天我们以String类中的getBytes()方法为例，来看一看JDK源码中的默认字符集，getBytes()方法在帮助文档中是 这样写的:

Encodes this String into a sequence of bytes using the platform’s default charset, storing the result into a new byte array.

意思是：使用平台的默认字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中。

恩，那我们就来对不同平台的默认字符集这个问题。一探究竟。

初探源码

首先我们进入getBytes()源码中:

public byte[] getBytes() { return StringCoding.encode(value, 0, value.length);  }

该方法中直接返回StringCoding.encode(value,0,value.length)，那就再点击进去看看。代码如下：

static byte[] encode(char[] ca, int off, int len) {      String csn = Charset.defaultCharset().name();      try {          // use charset name encode() variant which provides caching.          return encode(csn, ca, off, len);      } catch (UnsupportedEncodingException x) {          warnUnsupportedCharset(csn);      }      try {          return encode("ISO-8859-1", ca, off, len);      } catch (UnsupportedEncodingException x) {          // If this code is hit during VM initialization, MessageUtils is          // the only way we will be able to get any kind of error message.          MessageUtils.err("ISO-8859-1 charset not available: "                           + x.toString());          // If we can not find ISO-8859-1 (a required encoding) then things          // are seriously wrong with the installation.          System.exit(1);          return null;      }  }

在这里，我们看到了。在上述方法中，通过 Charset.defaultCharset().getName() 获取系统默认的字符集。那我们就再点击进去看看，代码如下：

public static Charset defaultCharset() {      if (defaultCharset == null) {          synchronized (Charset.class) {              String csn = AccessController.doPrivileged(                  new GetPropertyAction("file.encoding"));              Charset cs = lookup(csn);              if (cs != null)                  defaultCharset = cs;              else                  defaultCharset = forName("UTF-8");          }      }      return defaultCharset;  }

其实，在上述代码中，我们最关心的是这一行代码：

String csn = AccessController.doPrivileged(                  new GetPropertyAction("file.encoding"));

点击进去后。如下所示：

public class GetPropertyAction implements PrivilegedAction<String> {  private String theProp;  private String defaultVal;   public GetPropertyAction(String var1) {      this.theProp = var1;  }   public GetPropertyAction(String var1, String var2) {      this.theProp = var1;      this.defaultVal = var2;  }   public String run() {      String var1 = System.getProperty(this.theProp);      return var1 == null?this.defaultVal:var1;  }

在这里，我们已经看到了熟悉的代码:

System.getProperty(this.theProp);

到此，我们就可以在不同的平台做实验了。
此次实验的平台有:

1. Linux平台
   系统: Ubuntu 14.04 LTS (中文环境)

2. Windows平台
   系统: Windows 7 (中文环境)

不同平台的默认字符集实验

测试JDK版本: java version “1.7.0_79”
步骤:
windows编码

D:\testpdfPath>javac Test.java  D:\testpdfPath>java Test GBK

Linux (会话编码为UTF-8)编码(默认为UTF-8):

[andy@andyqian  /tmp] $ javac Test.java  [andy@andyqian  /tmp] $ java Test UTF-8

如图所示:

Linux (会话编码为GBK)编码：

[andy@andyqian  /tmp] $ ls Test.java  [andy@andyqian /tmp] $ javac Test.java  [andy@andyqian  /tmp] $ java Test GBK

以上试验表明：
Windows中文环境下，默认编码为：GBK。
Linux系统中文环境下，默认编码为： UTF-8。

不同的系统 file.encoding 的表现是不一样的。到此，我们已经查看了getBytes()中的默认字符集源码。

实验代码:

上述试验代码，非常简单，如下所述，有兴趣试验的朋友，可以新建一个Java类，命名为Test.java，复制到其中即可。

/**  * author: andy  * date: 17-11-24  * blog: www.andyqian.com  * version: 0.0.1  * description:  */ public class Test {      public static void main(String[] args){         System.out.println(System.getProperty("file.encoding"));     } }

这里需要注意的是: 直接复制到IDEA中，获取的结果可能会受idea影响。这也我直接使用原始命令来编译的原因。

SSH 远程编码:

  这里说个题外话，SSH本地机器编码会影响远程机器当前会话的编码。怎么说呢? 我们继续做实验。

机器准备:
一台编码为 en_US.UTF-8 编码的机器。
一台编码为 zh_GBK 编码的机器。

(备注: 两台相同编码的机器也可以，修改一台机器的编码即可。)

首先，我们通过Xshell直接来连接远程机器(UTF-8)通过locale命令查看系统编码如下：

[andy@andyqian  /tmp/test] $ locale LANG=en_US.UTF-8 LC_CTYPE="en_US.UTF-8" LC_NUMERIC="en_US.UTF-8" LC_TIME="en_US.UTF-8" LC_COLLATE="en_US.UTF-8" LC_MONETARY="en_US.UTF-8" LC_MESSAGES="en_US.UTF-8" LC_PAPER="en_US.UTF-8" LC_NAME="en_US.UTF-8" LC_ADDRESS="en_US.UTF-8" LC_TELEPHONE="en_US.UTF-8" LC_MEASUREMENT="en_US.UTF-8" LC_IDENTIFICATION="en_US.UTF-8" LC_ALL=

注意此时的系统编码为： UTF-8

1. 紧接着，我们先查看本地机器(GBK)的编码,

[andy@andyqian02  /home/andyqian] $ locale LANG=zh_CN.GBK LC_CTYPE="zh_CN.GBK" LC_NUMERIC="zh_CN.GBK" LC_TIME="zh_CN.GBK" LC_COLLATE="zh_CN.GBK" LC_MONETARY="zh_CN.GBK" LC_MESSAGES="zh_CN.GBK" LC_PAPER="zh_CN.GBK" LC_NAME="zh_CN.GBK" LC_ADDRESS="zh_CN.GBK" LC_TELEPHONE="zh_CN.GBK" LC_MEASUREMENT="zh_CN.GBK" LC_IDENTIFICATION="zh_CN.GBK" LC_ALL=

再通过本地主机(GBK)，ssh连接到 远程主机机器(UTF-8)上，使用locale命令查看系统编码如下:

1. [andy@andyqian02  /home/andyqian] $ ssh andyqian@192.168.1.1  andyqian@192.168.1.1's password:

登录后，查看编码：

1. [andy@andyqian01  /home/andyqian] $ locale LANG=zh_CN.GBK LC_CTYPE="zh_CN.GBK" LC_NUMERIC="zh_CN.GBK" LC_TIME="zh_CN.GBK" LC_COLLATE="zh_CN.GBK" LC_MONETARY="zh_CN.GBK" LC_MESSAGES="zh_CN.GBK" LC_PAPER="zh_CN.GBK" LC_NAME="zh_CN.GBK" LC_ADDRESS="zh_CN.GBK" LC_TELEPHONE="zh_CN.GBK" LC_MEASUREMENT="zh_CN.GBK" LC_IDENTIFICATION="zh_CN.GBK" LC_ALL=

（备注: 192.168.1.1 请替换成自己的主机地址）

注意此时远程主机当前会话的编码已经变成了

zh_CN.GBK

此时通过：

System.getProperty("file.encoding")

获取到的编码为: GBK

这里再次证明。系统的默认编码，在不同场景下，表现形式也不一样，很容易造成乱码。我就吃过这样的亏。泪奔…

小结

  上面以getBytes()这个常用的方法，一步一步查看JDK源码，也动手实验了，不同系统的表现形式。其实想表达的是，多动手实验，会发现非常有意思，印象也会深刻很多。收获也会不一样。

精简版:

1. 有关编码的方法一定要指定特定编码，不要使用系统默认编码。避免不同系统默认编码不一致，导致乱码。

2. 多动手试验。

最后：祝大家周末愉快！

扫码关注，一起进步

个人博客: http://www.andyqian.com