寻找字符集常量

源码寻找字符集常量过程

做开发也有很多年了，时常会遇到使用字符集的地方，有时候就会想，使用硬编码指定字符集也太不专业了，有没有字符集的常量呢？与字符集相关的类有一个特别明显的就是Charset，这个类就代表字符集，我们很少使用它的构造方法来创建字符集，它有一些获取Charset实例对象的静态方法，如下：

看方法名也很容易理解其中的含义，于是从这四个静态方法中进入源码查看，找到了一些字符字符集相关的常量，它们定义在sun.nio.cs包里面，里面有各种字符集类，如GBK、UTF_8、UTF_16、ISO_8859_1、Unicode等非常非常多的字符集类，应该是包含了所有的字符集了，正兴高采烈地使用它们时，发现一运行就报错了，大概意思是这些类是不允许使用的，晕！

一次偶然的机会，翻看Android中的Charset.defaultCharsets()的源码，发现了新大陆，如下：

	public static Charset defaultCharset() {
        // Android-changed: Use UTF_8 unconditionally.
        synchronized (Charset.class) {
            if (defaultCharset == null) {
                defaultCharset = java.nio.charset.StandardCharsets.UTF_8;
            }

            return defaultCharset;
        }
    }

代码注释中有说明这是Android修改过的源码，与标准JDK的源码不一样了哦。

StandardCharsets，翻译过来就是标准字符集，但是没有GBK呀，气人，GBK不标准吗？如下：

经实验，这些常量可以使用。

在使用OkHttp的时候，也会涉及到字符集，所以我想OkHttp这么专业不可能用硬编码吧，于是进它源码里面找找他是用的什么样的字符集常量，关于字符集，在获取String的时候肯定是用到了的，于是可以从获取String的函数的源码入手：

response.body().string()

通过源码发现，在它的Util类里面封装了一些字符集常量，如下：

  public static final Charset UTF_8 = Charset.forName("UTF-8");
  public static final Charset ISO_8859_1 = Charset.forName("ISO-8859-1");
  private static final Charset UTF_16_BE = Charset.forName("UTF-16BE");
  private static final Charset UTF_16_LE = Charset.forName("UTF-16LE");
  private static final Charset UTF_32_BE = Charset.forName("UTF-32BE");
  private static final Charset UTF_32_LE = Charset.forName("UTF-32LE");

可惜，也没有GBK，哎！

后来开发用了Kotlin，Kotlin是个好东西，可以少写很多代码，比如file.readText()就可以把一个文件对象关联的文本内容全部读取出来，这里肯定也用到了字符集，点进去看源码，发现Kotlin用的是自带字符集常量，如下：

可惜，也没有GBK。

总结

有如下三种字符集常量可以使用：

1. StandardCharsets.UTF_8 (JDK自带，这是JDK1.7的时候才有的)
2. Util.UTF_8 （OkHttp自带）
3. Charsets.UTF_8 （Kotlin自带）

个人感觉使用Kotlin自带的会比较方便，它的类名Charsets比较短也比较好记而且类名很专业。通过读别人的源码，我们也可以学到，其实可以自己定义一个类，里面放一些字符集常量，不一定非要去JDK里找，这样的话我们自己定义，还可以增加GBK常量呢，说到这里，Kotlin有扩展属性功能，我们可以给Kotlin的Charsets类扩展一个GBK属性，这样就完美了，如下：

val Charsets.GBK: Charset
    get() = Charset.forName("GBK")

fun main() {
    println(Charsets.GBK)
}

这里不用担心每次调用Charsets.GBK时都会创建新的字符集对象，因为Charset.forName()函数会缓存使用到的字符集，每次会先从缓存中取，取不到才会去创建。

最后一点，有时候传参时，可能函数接收的字符集就是一个String，而不是Charset对象，怎么办呢？Charset对象有如下三个方法可以返回它的名字：

    println(Charsets.GBK.displayName())
    println(Charsets.GBK.name())
    println(Charsets.GBK.toString())

输出都是：GBK
点源码进去看，发现toString返回的是name()函数，而name()函数和displayName()函数都是返回name属性，似乎没有区别，看看文档说明，如下：

displayName() // 返回此 charset 用于默认语言环境的可读名称。
name()        // 返回此 charset 的规范名称。

似乎name()函数比较好，因为规范嘛，绝对是可用的，而displayName保不准哪天就改源码了，如GBK编码给你返回“汉字内码扩展规范”，根据文档描述返回默认语言环境的可读名称，如果在中国，很有可能 返回汉字的描述名称嘛！