Java文本输出中的UTF-8编码问题

我一直在为高棉版Unicode破解者测试各种解决方案（高棉语之间没有空格，这使得拼写检查和语法检查变得困难，以及从传统的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/ ）似乎很有希望。 作者非常友好地提供了消息来源，但他正忙着写一本书并且无法排除故障。

我正在以非常小的规模测试代码，我遇到了输出问题。

这是输入：

ជាដែលនឹងបានមាន

这是结果输出：

ជារ លនឹងមានមាន，ជារ លនឹងបានមាន

这些单词实际上是正确分割的，但有一个单词是混乱的。 输出应如下所示：

ជាដែលនឹងបានមាន，ជាដែលនឹងបានមាន

有没有人知道为什么输出会出现乱码？

这是一个非常小的高棉语词典和分词的代码： http ： //www.sbbic.org/khmerwordsplit.zip

以下是如何运行它：

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

到目前为止，我非常感谢stackoverflow社区为您提供的所有帮助 – 我希望很快找到解决方案！

Answer 1

当系统编码配置为UTF-8时，我注意到它可以正常工作：

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

也许假设输入文件是系统编码。 阅读评论中提到的BalusC的post ，了解如何独立于系统编码执行输入/输出。