我正在处理对文件执行各种 IO 操作的代码，我想让它能够处理国际文件名。我正在使用 Java 1.5 的 Mac 上工作，如果文件名包含需要代理的 Unicode 字符，则 JVM 似乎无法找到该文件。例如，我的测试文件是：
"草鷗外.gif" 它被分解成 Java 字符 \u8349\uD85B\uDFF6\u9DD7\u5916.gif
如果我从此文件名创建文件，则无法打开它，因为出现 FileNotFound 异常。即使在包含文件的文件夹上使用它也会失败：
File[] files = folder.listFiles();
for (File file : files) {
if (!file.exists()) {
System.out.println("Failed to find File"); //Fails on the surrogate filename
}
}
我实际处理的大部分代码都是以下形式：
FileInputStream instream = new FileInputStream(new File("草鷗外.gif"));
// operations follow
有什么方法可以解决这个问题，要么转义文件名，要么以不同方式打开文件？
我怀疑 Java 或 Mac 之一正在使用CESU-8而不是正确的 UTF-8。Java 使用“修改后的 UTF-8”（这是 CESU-8 的一个轻微变体）用于各种内部目的，但我不知道它可以将它用作文件系统/defaultCharset。不幸的是，我这里既没有 Mac 也没有 Java 可以测试。
“Modified”是“badly bugged”的一种修改方式。而不是为像𦿶这样的补充（非 BMP）字符输出一个四字节的 UTF-8 序列：
它为每个代理输出一个 UTF-8 编码的序列：
这不是有效的 UTF-8 序列，但无论如何很多解码器都会允许它。问题是，如果您通过真正的 UTF-8 编码器来回传输，您会得到一个不同的字符串，即上面的四字节字符串。尝试访问具有该名称的文件并繁荣！失败。
因此，首先让我们使用一个使用字节作为文件名的平台（例如 Python 2.x）检查文件名在当前文件系统下的实际存储方式：
在我的文件系统（Linux、ext4、UTF-8）上，文件名“草𦿶鸥外.gif”显示为：
这就是你想要的。如果这就是你得到的，那很可能是 Java 做错了。如果您获得更长的六字节字符版本：
这可能是 OS X 做错了……它总是存储这样的文件名吗？（或者文件最初来自其他地方吗？）如果您将文件重命名为“正确”版本怎么办？：