String的getBytes()默认编码问题

我们学习java基础的时候.我们都知道在main方法中String的getBytes()方法如果不指定编码格式,默认是UTF-8的方法进行的编码.我们一直认为默认的编码格式就是UTF-8.直到我们学习了javaWeb.在Servlet中.我们通过getBytes()获取的是按照GBK进行编码的.至此我们就有了疑惑.这个getBytes()方法到底是怎么选择默认编码的.我们带着疑惑,去翻一下String的源代码.

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

继续跟进StringCoding的encode方法

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;
        }
    }

从以上源码中可以看出是通过

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

来获取默认编码方式的.

我们继续跟进.查看Charset的defaultCharSet()方法.

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;
    }

从以上源码中我们不难看出,不出异常的情况下，

默认编码是由file.encoding决定的.我们分别在main方法和Servlet中去获取file.encoding去测试一下.

public class Demo {
    public static void main(String[] args) {
        System.out.println("file.encoding="+System.getProperty("file.encoding"));
        byte[] bytes = "黑马程序员".getBytes();
        System.out.println(Arrays.toString(bytes));
    }
}

输出结果是

file.encoding=UTF-8
[-23, -69, -111, -23, -87, -84, -25, -88, -117, -27, -70, -113, -27, -111, -104]

在Servlet中的测试代码:

@WebServlet("/user/findAllServlet")
public class ServletDemo1 extends HttpServlet {
    protected void doPost(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {
        System.out.println("findAllServlet...");
        System.out.println("file.encoding="+System.getProperty("file.encoding"));
        byte[] bytes = "黑马程序员".getBytes();
        System.out.println(Arrays.toString(bytes));
    }
 
    protected void doGet(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {
        this.doPost(request, response);
    }
}

输出结果是:

file.encoding=GBK
[-70, -38, -62, -19, -77, -52, -48, -14, -44, -79]

getBytes()方法的默认编码确实是跟file.encoding一致的.file.encoding是由谁决定的呢?

网上很多流传说是跟当前文件的编码格式相同.那我们测试一下.

在idea中我们将文件的编码格式改成GBK.

<ignore_js_op>

发现事与愿违.file.encoding依然是UTF-8的.也就是说file.encoding跟文件的编码没有任何关系.相同的代码.我们用命令行窗口去编译和运行.发现file.encoding竟然变成了GBK

C:\Users\yanjingpan\Desktop>java Demo
file.encoding=GBK
[-70, -38, -62, -19, -77, -52, -48, -14, -44, -79]

我们将Demo.java文件改成UTF-8编码格式的用 javac -encoding utf-8 Demo.java进行编译.然后运行发现file.encoding竟然没有变:

C:\Users\yanjingpan\Desktop>java Demo
file.encoding=GBK
[-70, -38, -62, -19, -77, -52, -48, -14, -44, -79]

这说明file.encoding跟编译环境没有关系.只跟运行环境有关.我们尝试运行的时候指定file.encoding编码:

java -Dfile.encoding=utf-8 Demo

运行结果就是:

file.encoding=utf-8
[-23, -69, -111, -23, -87, -84, -25, -88, -117, -27, -70, -113, -27, -111, -104]

运行时将file.encoding指定成gbk

java -Dfile.encoding=gbk Demo

运行结果就是:

C:\Users\yanjingpan\Desktop>java Demo
file.encoding=GBK
[-70, -38, -62, -19, -77, -52, -48, -14, -44, -79]

到此我们就知道了.Tomcat在启动的时候将file.encoding指定成了gbk.所以我们在Servlet中获取字节码数组的时候,默认用的就是gbk.
Tomcat是根据当前操作系统来设置file.encoding的值.我电脑是windows简体中问的.所以默认就是GBK的.
我们可以在catalina.bat中将file.encoding设置成utf-8.

set "JAVA_OPTS=%JAVA_OPTS% %LOGGING_CONFIG% -Dfile.encoding=UTF-8"

重启Tomcat.再访问我们的Servlet.file.encoding就改成UTF-8的了.
<ignore_js_op>
至此,困扰我们的getBytes()默认编码格式问题就解决了.