Java对特殊编码方式的处理

最近一直被一个编码的问题困扰着。写了一个把数据写成XML格式的小功能，结果，文件头编码方式用UTF-8，文件中的中文总是不能被正确解析，IE不行，JAXP也不行。JAVA就是用unicode的吗？为什么呢？文件头编码方式改成GB2312或者GBK就没有问题了。但是这不是我想要的答案。

昨天晚上在网上查查，大多数遇到此类问题的都说把编码方式改成GB2312或GBK，但是考虑到国际化怎么办，总不好每个语言版本都换一种编码方式吧。最后终于找到一个合适的解释。

经修订的 UTF-8

Java 平台对经修订的 UTF-8 已经很熟悉，但是，问题是应用程序开发人员在可能包含增补字符的文本和 UTF-8 之间进行转换时需要更加留神。需要特别注意的是，某些 J2SE 接口使用的编码与 UTF-8 相似但与其并不兼容。以前，此编码有时被称为“Java modified UTF-8”（经 Java 修订的 UTF-8）或（错误地）直接称为“UTF-8”。对于 J2SE 5.0，其说明文档正在更新，此编码将统称为“modified UTF-8”（经修订的 UTF-8）。

经修订的 UTF-8 和标准 UTF-8 之间之所以不兼容，其原因有两点。其一，经修订的 UTF-8 将字符 U+0000 表示为双字节序列 0xC0 0x80，而标准 UTF-8 使用单字节值 0x0。其二，经修订的 UTF-8 通过对其 UTF-16 表示法的两个代理代码单元单独进行编码表示增补字符 。每个代理代码单元由三个字节来表示，共有六个字节。而标准 UTF-8 使用单个四字节序列表示整个字符。

Java 虚拟机及其附带的接口（如 Java 本机接口、多种工具接口或 Java 类文件）在 java.io.DataInput 和 DataOutput 接口和类中使用经修订的 UTF-8 实现或使用这些接口和类 ，并进行序列化。Java 本机接口提供与经修订的 UTF-8 之间进行转换的例程。而标准 UTF-8 由 String 类、java.io.InputStreamReader 和 OutputStreamWriter 类、java.nio.charset 设施 (facility) 以及许多其上层的 API 提供支持。

由于经修订的 UTF-8 与标准的 UTF-8 不兼容，因此切勿同时使用这两种版本的编码。经修订的 UTF-8 只能与上述的 Java 接口配合使用。在任何其他情况下，尤其对于可能来自非基于 Java 平台的软件的或可能通过其编译的数据流，必须使用标准的 UTF-8。需要使用标准的 UTF-8 时，则不能使用 Java 本机接口例程与经修订的 UTF-8 进行转换。

以上的解释引自http://www.wespoke.com/archives/000825.html

今天早上回去查程序，果然我之前是用RandomAccessFile来写文件的，这个类的上层接口正是DataInput, DataOutput  。于是换作OutputStreamWriter 来写，用OutputStreamWriter(OutputStream out, String charsetName)  charsetName传"UTF-8"，这次写出的XML文件用UTF-8编码格式就能被IE，JAXP，甚至EXCEL解析。根据JDK文档上的介绍用Writer out
   = new BufferedWriter(new OutputStreamWriter(System.out)); 可以提高效率。

编码问题对我来说还是很陌生的，现在遇到了也要多少了解一点。后来我尝试写.CSV文件也用UTF-8格式，结果用EXCEL打开的时候中文出现乱码。