Java - UTF8 / 16是字符集名称还是字符编码？

Question

我正在开发的应用程序将被Western＆amp;东欧以及美国。我正在对输入进行编码并使用UTF-8字符集解码输出。

当我使用这个方法时，我的困惑是String（byte [] bytes，String charsetName），当它真的是一个字符编码时，我提供了UTF-8作为charsetname。我的默认econding在Eclipse中设置为Cp1252。

这是否意味着，如果在我的Java应用程序中的美国，我使用Cp1252作为我的字符集编码创建一个输出文本文件，而UTF-8作为我的字符集名称，那么欧洲的人们是否能够在我的Java文件中读取此文件Java应用程序，反之亦然？

Answer 1

他们是编码。遗憾的是，当Java真正意味着“编码”时，它会在所有地方使用“charset”，但现在很难修复:(恼人地，IANA made the same mistake。

实际上，根据Unicode terminology，他们可能最准确character encoding schemes：

  

字符编码形式加字节序列化。 Unicode中有七种字符编码方案：UTF-8，UTF-16，UTF-16BE，UTF-16LE，UTF-32，UTF-32BE和UTF-32LE。

字符编码形式为：

  

从字符集定义映射到用于表示数据的实际代码单元。

是的，Unicode只定义了七种字符编码形式这一事实使得这更令人困惑。从根本上说，所有大多数开发人员需要知道的是，Java术语中的“charset”是文本数据（String，char[]）和二进制数据（{{1 }}）。

Answer 2

我认为这两件事并没有直接关系。

Eclipse设置决定eclipse编辑器如何保存您创建/编辑的文本文件（通常是源代码）。您可以使用其他编辑器，因此文件可能会保存在其他编码方案中。只要您的java编译器编译源代码没有问题，您就是安全的。

在 java String(byte[] bytes, String charsetName) 是您自己的应用程序逻辑，它处理您如何解释从文件或网络读取的某些数据。不同的charsetName（本质上是不同的字符编码方案）可能对字节数组有不同的解释。

Answer 3

“charset”确实意味着文本使用的字符集。对于UTF-8/16，字符集恰好是“所有”字符。对于其他人，不一定。在这些日子里，每个人都在发明自己的字符集和编码方案，两者几乎是一对一的映射，因此一个名称可以用来指代字符集和编码方案。