从Scala解释器打印Unicode

Question

使用Scala解释器（即在命令行上运行“scala”命令）时，我无法正确打印Unicode字符。当然，a-z、A-Z等可以正确打印，但例如 € 或 ƒ 将打印为 ?。

print(8364.toChar)

输出结果显示的不是 € 而是 ?，可能是我做错了什么。我的终端支持 utf-8 字符集，即使将输出导入到另一个文件并在文本编辑器中打开，也会显示 ?。

这一切发生在 Mac OS X（Snow Leopard，10.6.2）上，使用 Scala 2.8（夜间构建版本）和 Java 1.6.0_17。

- Martin Sturm

---

你在哪个操作系统上运行解释器？使用的是哪个版本的Scala？ - Daniel C. Sobral

Answer 1

我找到了问题的原因，并提供了一种解决方案，使它能够正常工作。正如我在发布问题后猜测并阅读Calum的答案以及另一个Java项目在Mac上出现编码问题一样，问题的根源是Mac OS X使用的默认编码。当您启动scala解释器时，它会使用指定平台的默认编码。在Mac OS X上，这是Macroman，在Windows上可能是CP1252。您可以通过在scala解释器中键入以下命令来检查：

scala> System.getProperty("file.encoding");
res3: java.lang.String = MacRoman

根据 scala 帮助测试，可以使用 -D 选项提供 Java 属性。然而，这对我不起作用。最终我设置了环境变量。

JAVA_OPTS="-Dfile.encoding=UTF-8"

运行scala后，上一个命令的结果将会得到以下结果：

scala> System.getProperty("file.encoding")
res0: java.lang.String = UTF-8

现在，打印特殊字符按预期工作：

print(0x20AC.toChar)               
€

所以，这不是Scala的bug，而是默认编码的问题。在我看来，默认情况下在所有平台上使用UTF-8会更好。在寻找答案时，我在Scala邮件列表中的讨论中发现了这个问题。在第一条消息中，建议在file.encoding报告Macroman时默认使用UTF-8，因为UTF-8是Mac OS X上的默认字符集（让我想知道为什么file.encoding默认设置为Macroman，可能这是从10之前的Mac OS继承而来？）。我认为这个提议不会成为Scala 2.8的一部分，因为Martin Odersky 写道，最好保持Java中的现状（即尊重file.encoding属性）。

- Martin Sturm

---

一种避免McDowell所指出问题的方法是，将System.out PrintStream（仍然作为原始OutputStream工作）包装在使用所需编码的PrintStream中，然后使用它，例如“val myOut = new PrintStream（System.out，“UTF-8”）; myOut.print（0x20AC.toChar）”。这应该总是有效的。 - Calum

@Calum - 很有趣的是看看它是否适用于Mac；在Windows上它的效果不是很好，但这可能是一个特定于平台的问题：http://illegalargumentexception.blogspot.com/2009/04/i18n-unicode-at-windows-command-prompt.html#charsets_javaconsole - McDowell

谢谢，我也在想，你的方法很有效。记录一下，在Windows上，我们必须使用set JAVA_OPTS=-Dfile.encoding=UTF-8（不带引号）。重定向到文件中，因为cmd.exe使用OEM编码以与MS-Dos兼容，我想。 - PhiLho

在过去的两年中，可能发生了一些变化，以至于“scala -Dfile.encoding=UTF-8”可以在我的机器上运行。无需设置JAVA_OPTS环境变量。 - vesan

无法在Windows上运行。(0x20AC until 0x20B6).foreach { x => print(x.toChar + " ") } 输出 € ₭ ₮ ₯ ₰ ₱ ₲ ₳ ₴ ₵。我使用 System.getProperty("file.encoding") 设置了返回 UTF-8 的环境变量。 - Jus12

Answer 2

好的，你在这里遇到的问题至少部分是因为128不是欧元符号的Unicode代码点。128（或0x80，因为十六进制似乎是一般情况）是U+0080 <control>，即它不是可打印字符，所以你的终端难以显示它并不令人惊讶。

欧元符号的代码点是0x20AC（或者十进制8364），对我而言它可以工作（我使用的是Linux，2.8版本的夜间版）：

scala> print(0x20AC.toChar)
€

另一个有趣的测试是打印Unicode雪人字符：

scala> print(0x2603.toChar)
☃

据说，128作为欧元符号是从Windows代码页中的一个扩展字符得到的。

我也成功让你提到的另一个字符工作了：

scala> 'ƒ'.toInt
res8: Int = 402

scala> 402.toChar
res9: Char = ƒ

- Calum

---

关于欧元符号错误的数字，您是正确的。然而，在我的系统中它仍然无法正常工作： scala> print(0x20AC.toChar) ?但如果在您的夜间构建中可以正常工作，那么这可能是我的系统存在问题，或者它已经在新的Scala 2.8版本中得到修复。我会进行更新和进一步调查。 - Martin Sturm

我在今天的夜间版本（2.8.0.r20300-b20091223020158）上进行了检查，'print(0x20AC.toChar)' 像我手头其他所有 2.8 版本一样打印出一个问号。 - p3t0r

顺便说一下，我正在使用OSX 10.6.2操作系统。 - p3t0r

啊，我明白了，这是来自其他回答的一个文件编码问题。抱歉！请看一下你接受的答案，马丁，我在评论里有提到。 - Calum

Answer 3

对于Windows命令行(cmd)打印：

1. set JAVA_OPTS="-Dfile.encoding=UTF-8"
2. chcp 65001

第2项表示UTF-8

如果您不想每次都打印“chcp 65001”，可以像这样更改/添加Windows注册表中的值：

1. 运行命令regedit
2. 找到记录[HKEY_CURRENT_USER\Software\Microsoft\Command Processor]
3. 新建 => 字符串值
4. 名称=“AutoRun”，数据=“chcp 65001”（不带引号）

（请参见https://superuser.com/a/482117/454417）

我使用Windows 10和scala 2.11.8

- Dedkov Vadim