平台在不同平台上的默认字符集？

Question

一些遗留代码依赖于平台的默认字符集进行翻译。对于“西方世界”的Windows和Linux安装，我知道这意味着什么。但想到俄罗斯或亚洲的平台，我完全不确定他们平台的默认字符集是什么(只有UTF-16?)

因此，我想知道在执行以下代码行时会得到什么：

System.out.println("Default Charset=" + Charset.defaultCharset());

PS:

我不想在这里讨论字符集的问题及其与Unicode的区别。我只想收集什么操作系统会产生什么特定的字符集。请只张贴具体的价值！

Answer 1

这是一个特定于用户的设置。在许多现代Linux系统上，它是UTF-8。在Mac上，是MacRoman。在美国，Windows上通常是CP1250，在欧洲则是CP1252。在中国中，你经常会发现简体中文(Big5或GB*)。

但这是系统的默认设置，每个用户都可以随时更改。这可能是解决方案:使用system属性file.encoding启动应用程序时设置编码。

见这个答案如何做到这一点。我建议将其放入一个启动应用程序的小脚本中，这样用户的默认设置就不会受到污染。

Answer 2

对于“西方世界”的Windows和Linux安装，我知道这意味着什么。

可能不如你想的那么好。

但是想到俄罗斯或亚洲的平台，我完全不确定他们的平台的默认字符集是什么

通常这是他们国家历史上使用的任何编码。

(只有UTF-16?)

绝对不是。在Unicode标准出现之前，计算机的使用就已经普及了，每个语言区域都开发了一个或多个编码来支持其语言。那些在ASCII之外需要少于128个字符的人通常会开发一个"extended“，其中许多最终被标准化为ISO-8859，而另一些则开发了两字节编码，通常是几个相互竞争的编码。例如，在日本，电子邮件通常使用JIS，但网页使用Shift-JIS，有些应用程序使用EUC-JP。在Java中，平台默认编码可能会遇到其中的任何一个。

这是一个巨大的混乱，这正是Unicode被开发的原因。但是混乱还没有消失，我们仍然必须处理它，不应该对要解释为文本的给定字节的编码进行任何假设。没有纯文本这样的东西。