Java输入汉字的编码问题

这个简单的Java程序竟然有问题，如果我们输入的是中文，程序不会正常输出。

import java.util.Scanner;
public class Test {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);
        String s = scanner.next();
        System.out.println("你输入了 = "+ s);
    }
}

结果：
run：
陶   // 用户输入
你输入了 = ��
成功生成（总时间：7 秒）

这究竟是为什么呢？
先了解一下Java的输入文件流机制，System.in是字节流。系统是按照每个字节读入，最后组成字节组作为读入的。

Scanner是套在System.in外面的字符流。下面我们直接显示System.in读入的字节

public class Bianma {
    private static void printBytes(byte[] bytes) {
        for (byte b : bytes) {
            printByte(b);
        }
        System.out.println();
    }
    private static void printByte(byte abyte) {
        String hex = "00"+Integer.toHexString((int)abyte);
        System.out.print(hex.substring(hex.length() - 2) + "\t");
    }
    public static void main(String[] args) throws IOException {
        String s = "陶";
        printBytes(s.getBytes("GBK"));
        printBytes(s.getBytes("UTF-8"));
        byte b = (byte) System.in.read();
        while (true) {
            printByte(b);
            b = (byte) System.in.read();
        }
    }
}

我们可以看到System.in读入的字节流是默认以GBK编码的。

run：
cc        d5      // 陶的GBK编码    
e9        99        b6        // 陶的UTF8编码
陶
cc        d5        0a    // 0a是回车生成的 

对比，可以知道Scanner的字符套默认是以GBK编码转化的。
下面这个输出可以验证

byte[] b = new byte[]{new Byte((byte) 0xcc), new Byte((byte) 0xd5)};
System.out.println(new String(b, "GBK"));

这个输出可以准确输出为：陶。
因此，我们有两个方法解决这个问题：

一、使用以下方式读入

Scanner scanner = new Scanner(System.in, "GBK");

二、更改默认编码

String encoding = System.getProperty("file.encoding");
System.out.println(encoding);

这个输出为UTF8。如果输出为GBK则不会又开头所提的问题。可以认为file.encoding的值是Java程序main入口函数的默认编码。

NetBeans修改方法如下：

附注：
可以看到陶的UTF8编码为
e9 99 b6 
ef bb bf e9 99 b6（带有BOM头，其中BOM头为ef bb bf）
Unicode的编码为fe ff 76 96，其中fffe是控制高位和低位的发送顺序的。
其中变化方法如下：