java “错误：编码GBK 的不可映射字符”

Posted 2022-01-30 Ariel_欢

目录

前言

一、透过现象看本质，发现问题找原因

1.查看cmd的默认编码格式：

2.查看代码文件的保存格式：

二、分析问题原因，寻找解决方案

1.指定DOS命令的编码格式：

2.修改代码文件的编码格式：

三、后续——踩坑~

问题来了~为什么通过记事本将ANSI编码格式转换为UTF-8编码格式后，出现错误: 非法字符: '\\ufeff'

填坑~解决方案：

---

前言

小编最近在写javaDemo时，使用的是文本文档，后缀名为.java的形式，代码中因为有中文以及特殊符号存在，导致DOS编码后出现错误：“编码GBK 的不可映射字符”。

javaDemo代码：

/*
 * 运算符之一：算术运算符
 *  + - * / % (前)++ (后)++ （前）-- （后）--  +（连接符）
 */
class Test 
    public static void main(String[] args) 
        //除号：/
        int num1=12;
        int num2=5;
        int result=num1/num2;
        System.out.println(result); // 2

        int result2=num1/num2*num2;
        System.out.println(result2); //10

        double result3=num1/num2; //int转double
        System.out.println(result3); //2.0

        double result4=num1/num2+0.0; //2.0: int转double

        double result5=num1/(num2+0.0); //2.4 : 12/5.0=2.4
        System.out.println(result5);

        double result6=(double)num1 / num2; //2.4：double12/int5=2.4
        System.out.println(result6);

        double result7=(double)(num1/num2); //2.0：int2转为double
        System.out.println(result7);


    

使用javac命令编译，出现的问题：

一、透过现象看本质，发现问题找原因

既然问题描述显示为 java “错误：编码GBK 的不可映射字符”，那便确定应该是编码格式的原因。进一步思考，为什么会出现编码格式的问题呢？——查看cmd默认的编码格式与文件的编码格式是否一致？

1.查看cmd的默认编码格式：

• 通过cmd命令查看：chcp

• 通过属性查看: 

通过两种方式查看cmd的默认编码格式都是936，936是什么呢？CP936其实就是GBK，IBM在发明Code Page的时候将GBK放在第936页，所以叫CP936。

2.查看代码文件的保存格式：

通过记事本，打开代码文件：

 查看代码文件的格式，发现文件的编码格式默认是UTF-8，与cmd的默认编码格式不同。

关于GBK和UTF-8编码格式的区别：

GBK全称《汉字内码扩展规范》（GBK即“国标”、“扩展”汉语拼音的第一个字母，英文名称：Chinese Internal Code Specification） ，中华人民共和国全国信息技术标准化技术委员会1995年12月1日制订，国家技术监督局标准化司、电子工业部科技与质量监督司1995年12月15日联合以技监标函1995 229号文件的形式，将它确定为技术规范指导性文件。这一版的GBK规范为1.0版。
而UTF-8： UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，又称万国码。由Ken Thompson于1992年创建。现在已经标准化为RFC 3629。UTF-8用1到6个字节编码UNICODE字符。用在网页上可以同一页面显示中文简体繁体及其它语言（如英文，日文，韩文）。

所以GBK和UTF-8简单的来说，区别就是编码方式不同，表示的文字范围不同。

二、分析问题原因，寻找解决方案

既然发现cmd默认的编码格式与文件的编码格式不一致，那便解决编码不一致的问题，可以从两方面入手：

1.指定DOS命令的编码格式：

根据代码文件的格式（UTF-8），指定DOS命令的编码格式为UTF-8：javac -encoding UTF-8 Test.java

编码通过：

2.修改代码文件的编码格式：

根据cmd的默认编码格式，记事本打开java源文件，另存为文件编码格式选择ANSI（埋雷、踩坑！！！）：

再使用cmd默认的编码格式执行javac命令，编译成功：

 

说明：

ANSI：美国国家标准协会，系统预设的标准文字储存格式。简体中文编码GB2312，实际上它是ＡＮＳＩ的一个代码页936

UTF-8：通用字集转换格式，这是为传输而设计的编码，2进制，以8位为单元对Unicode进行编码，如果使用只能在同类位元组内支持8个位元的重要资料一类的旧式传输媒体，可选择UTF-8格式。

在UTF-8里，英文字符仍然跟ASCII编码一样，因此原先的函数库可以继续使用。而中文的编码范围是在0080-07FF之间，因此是2个字节表示（但这两个字节和GB编码的两个字节是不同的），用专门的Unicode处理类可以对UTF编码进行处理。
 

 通过以上两种方式将javac执行命令的编码格式与文件编码格式统一，这样便可以成功编译！

三、后续——踩坑~

虽然通过记事本打开java源文件，另存为文件编码格式选择ANSI，这种方式可以实现javac成功编译代码文件，但是会导致代码中的中文和特殊字符显示为乱码，如下图所示;

既然如此，那小编想把ANSI编码格式的文件重新另存为UTF-8，然后采取指定DOS为UTF-8的方式解决编码问题，结果出现了新的问题：

指定DOS命令的编码格式为UTF-8：javac -encoding UTF-8 Test.java，出现新的问题：Test.java:1: 错误: 非法字符: '\\ufeff'

问题来了~为什么通过记事本将ANSI编码格式转换为UTF-8编码格式后，出现错误: 非法字符: '\\ufeff'

寻找原因：通过不同的代码工具打开该文件，查看该文件的编码格式是否成功转换为UTF-8格式：

①通过Windows记事本打开，显示为UTF-8：

②通过IDEA打开该文件，显示为UTF-8：

③通过Visual Studio Code 打开，发现该文件并没有转换成了UTF-8格式，而是UTF-8 with BOM格式：

为什么使用不同的编译器查看到的该文件编码格式不一致呢？

原来这是因为Windows记事本在修改UTF-8文件时自作聪明地在文件开头添加BOM导致的，而IDEA没有智能的把UTF-8+BOM文件转为普通的UTF-8文件的功能，所以在IDEA中显示的是UTF-8，但是IDEA却不能正确读取.java文件，从而程序出错。

而在VSCode中可以看到通过记事本将ANSI编码格式转换为UTF-8编码格式后，实际是转换为UTF-8 with BOM，这也证明了通过记事本转换编码格式是存在问题的！！！

填坑~解决方案：

1.在编辑器IDEA中将文件编码更改为UTF-16，再改回UTF-8即可，其实就相当于刷新了一下文件编码。

2.直接通过VSCode或者其他可以区分UTF-8和UTF-8 with BOM的编译器（如EditPlus、Notepad++）修改文件编码格式为UTF-8，避免使用记事本（记事本存在编码转换问题！！！）。