Java 文本输出中的 UTF-8 编码问题

Question

我一直致力于测试高棉 Unicode 分词器的各种解决方案（高棉语单词之间没有空格，这使得拼写检查和语法检查变得困难，以及从传统高棉语转换为高棉语 Unicode）。

我得到了一些现在在线的源代码 (http://www.whitemagicsoftware.com/software/java/wordsplit/)，看起来很有希望。作者好心给了出处，但他忙着写书，无法解决问题。

我正在小规模测试代码，但输出有问题。

这是输入：

ជាដែលនឹងបានមាន

这是结果输出：

ជារ���លនឹងបានមាន,ជា រ���ល នឹង បាន ヘាន

单词实际上是正确拆分的，但是一个单词是混乱的。 输出应如下所示：

ជាដែលនឹងបានមាន，ជា ដែល នឹង បាន មាន

有人知道为什么输出是乱码吗？

这是带有非常小的高棉词典和要拆分的单词的代码：http://www.sbbic.org/khmerwordsplit.zip

下面是如何运行它：

java -jar wordsplit.jar khmerlexicon.csv khmercolumns.txt >> 结果.txt

非常感谢 stackoverflow 社区迄今为止为您提供的所有帮助，希望尽快找到解决方案！

Answer 1

我注意到当系统编码配置为 UTF-8 时它可以正常工作：

java -Dfile.encoding=UTF-8 -jar wordsplit.jar khmerlexicon.csv khmercolumns.txt >> results.txt

也许输入文件被假定为系统编码。阅读BalusC's post mentioned in the comments，了解如何独立于系统编码执行输入/输出。