在下面的使用OpenJDK 1.6.0_22在Linux中运行的Java程序中,我仅在命令行中列出了作为参数接收的目录的内容。该目录包含文件名称为UTF-8的文件(例如印地语,普通话,德语等)。
import java.io.*; class ListDir { public static void main(String[] args) throws Exception { //System.setProperty("file.encoding", "en_US.UTF-8"); System.out.println(System.getProperty("file.encoding")); File f = new File(args[0]); for(String c : f.list()) { String absPath = args[0] + "" + c; File cf = new File(args[0] + "/" + c); System.out.println(cf.getAbsolutePath() + " --> " + cf.exists()); } } }
如果我将LC_ALL变量设置为en_US.UTF-8,则结果打印良好。但是,如果我将LC_ALL变量设置为POSIX并从命令行以UTF-8形式提供file.encoding和sun.jnu.encoding属性,则会得到垃圾输出,并且cf.exists()返回false。
能否请您解释这种行为。当我在许多网站上阅读时,据说file.encoding足以读取文件名并将其用于操作。在这里,该属性似乎完全无效。
更新1: 如果将file.encoding设置为GBK(中文),将LC_ALL变量设置为en_US.UTF-8,则cf.exists()返回true。只有 ‘?’ 出现而不是文件名。给o_O惊喜。
更新2:进行 更多调查,这似乎不是Java问题。看起来Linux上的libc使用语言环境设置来转换文件名编码,而这些设置将导致找不到文件错误/异常。“ file.encoding”用于Java解释文件名的方式。
更新3 现在看起来的问题是Java如何解释文件名。不管文件编码和LC_ALL环境变量的值如何,以下简单的C代码都可以在Linux上运行(我很高兴这证明了此处给出的答案:https : //unix.stackexchange.com/questions/39175/understanding-unix-file- 名称编码)。但是我仍然不清楚Java如何解释LC_ALL变量。现在研究一下OpenJDK代码。
示例C代码:
#include <stdio.h> #include <stdlib.h> #include <string.h> #include <dirent.h> int main(int argc, char *argv[]) { char *argdir = argv[1]; DIR *dp = opendir(argdir); struct dirent *de; while(de = readdir(dp)) { char *abspath = (char *) malloc(strlen(argdir) + 1 + strlen(de->d_name) + 1); strcpy(abspath, argdir); abspath[strlen(argdir)] = '/'; strcpy(abspath + strlen(argdir) + 1, de->d_name); printf("%d %s ", de->d_type, abspath); FILE *fp = fopen(abspath, "r"); if (fp) { printf("Success"); } fclose(fp); putchar('\n'); } }
注意:所以最后我认为我已经确定了。 我不确定这是正确的。但是通过一些代码阅读和测试,这就是我发现的内容,而且我没有更多时间研究它。如果有人有兴趣,他们可以检查一下,并确定这个答案是对还是错- 我会很高兴:)
我使用的参考资料来自OpenJDK的站点上的以下压缩包: openjdk-6-src-b25-01_may_2012.tar.gz
Java通过以下方法将所有字符串本地转换为平台的本地编码jdk/src/share/native/common/jni_util.c - JNU_GetStringPlatformChars()。系统属性sun.jnu.encoding用于确定平台的编码。
jdk/src/share/native/common/jni_util.c - JNU_GetStringPlatformChars()
sun.jnu.encoding
的值sun.jnu.encoding是jdk/src/solaris/native/java/lang/java_props_md.c - GetJavaProperties()使用setlocale()libc的方法设置的。环境变量LC_ALL用于设置的值sun.jnu.encoding。在命令提示符下使用-Dsun.jnu.encodingJava选项使用Java 给出的值将被忽略。
jdk/src/solaris/native/java/lang/java_props_md.c - GetJavaProperties()
setlocale()
LC_ALL
-Dsun.jnu.encoding
呼叫File.exists()已被编码在文件中jdk/src/share/classes/java/io/File.java,并且返回为
File.exists()
jdk/src/share/classes/java/io/File.java
return ((fs.getBooleanAttributes(this) & FileSystem.BA_EXISTS) != 0);
getBooleanAttributes()是jdk/src/share/native/java/io/UnixFileSystem_md.c在函数中的 本地编码(并且我跳过了浏览许多文件的代码的步骤)Java_java_io_UnixFileSystem_getBooleanAttributes0()。此处,宏 WITH_FIELD_PLATFORM_STRING(env, file, ids.path, path)将路径字符串转换为平台的编码。
getBooleanAttributes()
jdk/src/share/native/java/io/UnixFileSystem_md.c
Java_java_io_UnixFileSystem_getBooleanAttributes0()
WITH_FIELD_PLATFORM_STRING(env, file, ids.path, path)
因此,转换为错误的编码实际上会将错误的C字符串(char数组)发送给随后的stat()方法调用。它将返回结果,找不到文件。
stat()
LESSON: LC_ALL非常重要