以爲很簡單的問題耗時一天,尚未有完美解決方案。。
解決方案以及分析參閱:
http://www.360doc.com/content/13/0830/14/1073512_310953718.shtml
關鍵字：Java中文字符編碼亂碼詳述
http://javarevisited.blogspot.com/2012/01/get-set-default-character-encoding.html
關鍵字: How to get and set default Character encoding or Charset in Java
詳情待我慢慢道來。。。
項目需求: 解析java文件，從中獲取package, class, method, testng的annotation等。
本來這個東西用ruby已經實現了，而且工作良好，但是因爲平臺的問題，非要重新用java實現。。。擦
自然而然找到了javaParser，用起來還是很順手。
但是項目要求打包成可執行的jar文件，這就苦了我了。
把我們另外一個項目的拿過來做測試包，使用eclipse運行，完美無誤。
但是打包之後通過命令行運行就是各種錯誤。
基本上就是遇到了中文，以色列語(希伯來語)的時候出的錯誤。
之前對java編碼這塊也不是很熟(常年用ruby, python解決這類字符串問題)，真的不知道水能有tm這麼深！
首先嚐試讀入和寫入的編碼。
先講下IO流的轉換過程。
從github上下載項目壓縮包 -> 讀入zipinputstream -> 然後將符合條件的文件(至少得是java吧，至少裏面得有@Test吧)轉換成inputstream傳給JavaParser，然後由其解析。
錯誤就出在inputstream傳給javaParser這塊。
一開始一直以爲是我轉換到inputstream時的問題，然後使用utf-8從zipinputstream切到inputstream，然後將inputstream給javapaser, 同時給javaparser一個utf-8的參數讓它按照這個編碼讀。。。
經過2個多小時的折騰，發現我擦，完全沒用。
其間遇到狀況是這樣的: 使用utf-8吧，一部分文件解析失敗。不使用吧，這些沒問題了，另外一些突然又有問題了。。。
其間還遇到了utf-8還是utf8還是UTF-8的問題。。。
經過又1個多小時的折騰，發現還是沒思路，然後找來大牛(因爲很壯，跟牛很像)幫忙。
大牛的思路(等下你會看到也挺奇葩的，哈哈):
對，是編碼的問題，那麼我們看看這些文件都是什麼類型的編碼呢，我們按照類型進行讀入不就行了？(這裏完全正確！但是後面就給帶偏了。。)
發現大部分文件是沒有編碼格式的，然後少部分是使用utf-8保存的。
思路就是如果沒有格式的，我們使用最廣泛能兼容的格式，用到了iosxxxx-15的一個格式，有格式的使用默認格式，當然就是utf-8了。
這下問題少了很多，但是還是有文件不能正確解析。
我們的要求是必須要全部兼容，因爲涉及到很多個項目，不可能因爲你的問題改人家項目的代碼。哭。
解析來就到了好玩的地方了：我們把這些中文，希伯來語都刪掉吧！
嗯？！好主意啊(我也是腦子進水了)。於是我們找到了
text.replaceAll("[^\\x00-\\x7F]", "")
這個可以替換掉所有非acsii碼(待確定是不是這個意思，有熟知大叔請幫忙評論下，多謝多謝!）。
不錯不錯，這下子又解決了不少有問題的文件。
然後大牛要回家陪老婆過週末blabla就走掉了。。。
然後我繼續繼續努力吧(繼續進水中。。)
慢慢發現這以後出的問題就不是解析語言的問題，而是突然發現經常會丟掉雙引號。
比如正常的 String a = "bbb";就變成了 String a = "bbb;
這個就沒辦法了。。
等等，我想到一個好主意，正則表達式!（回想起來，慚愧的要撞牆自殺)
我試着將出現這類問題的line通過正則表達式判斷出來，然後通過替換將雙引號加上。
(說道這裏發現一道不錯的面試題：使用java如何判斷在一個字符串裏，特定單詞的數量。 答案見最後)
然後
然後發現了這樣的:
String s1 = "private String receipt = \"特典が適用され、PayPalの領収書に表示されます;"; #分號前少一個雙引接着發現了這樣的:
String s2 = "ppBtnPage.setAttributeValue(\"billing_first_name\", \"劉);"; <span style="font-family: Arial, Helvetica, sans-serif;">#括號前少一個雙引</span>我心想這就差不多了吧，這正則寫的也夠複雜了，我擦，理論上不應該這麼玩啊。
終於當我看到還有這樣的，我就崩潰了，嚴格意義上是腦子的水被清空了
String s3 = "@Test (testName=\"19947,groups={\"RQA_HK\", \"RQA_zh\", \"RQA_APAC\" },description=\"HSS SPARTA FLOW\")"; <pre code_snippet_id="451465" snippet_file_name="blog_20140815_2_725999" name="code" class="java"><span style="font-family: Arial, Helvetica, sans-serif;">#TMD字符串中間少一個雙引</span>終於醒悟過來了: 你讀的時候編碼就是錯誤的，不論你後面怎麼改，底子都不是好。之所以會遇到丟雙引號，就是因爲解析的時候出錯了，轉換格式的時候雙引就被當作非acsii字符刪掉了。而且還是隨機的。根本無規律可循！！！
終於明白爲什麼叫悟空了，腦子空了才能悟出東西來。
因爲一直糾結爲什麼在eclipse下就能正常運行的問題，於是搜索了一下如何像eclipse一樣強制按照UTF-8編碼讀取文件。
萬萬沒想到，最後XX還是XXX了(好像就是這麼說的吧，每集必備的臺詞)
萬萬沒想到，最後問題還是被我解決了。
在可執行jar包前加上-Dfile.encoding=UTF-8之後，終於把所有文件全部解析成功。
長吁了一口氣，發個短信告慰了下陪老婆的大牛這個問題我解決了，哇咔咔咔。
然後被大牛加了個需求(他是這活的主要負責人，我來幫忙的幹活)，把這個參數寫到項目裏，免得別人每次用還要重複輸入。
好嘞！
心想趕緊幹完這票，保存下今天的戰果上傳，然後發個週報給大boss，然後回家給加班的老婆做飯等老婆回家，一起吃飯看爸爸去哪兒。。。。
然後又經過了1個小時。。。
我擦，這尼瑪不管用啊。
理論上(自認爲是這樣的，沒有科學依據，大家手下留情)設置一個全局的file.encoding不就行了？
System.setProperty("file.encoding","UTF-8");
然後設置，發現運行還是出錯，沒道理啊。
然後這時候大牛來了，我說有個問題。。
大牛說你今天的問題權已經用完了，下週吧，呵呵呵呵。。。
我勒個去，心說我自己弄。。。哼哼哼哼
大牛過來了。
大牛說：你把這個加上不就行了(就我加的那個。。。)
然後我把功能的部分註釋掉，只留了編碼打印的代碼給他看。
我說不行啊，你看加了這行之後，執行jar包，打印編碼，還是默認的GBK。
等等。。
怎麼可以了？變成UTF-8了。。。(是因爲之前我使用eclipse運行的時候沒有設置這個參數，直接從系統獲取然後打印的，由於eclipse已經設置了默認是utf-8，所以在eclipse中自然就是UTF-8。但是jar包執行的時候還是系統默認的GBK. 當時我演示的時候把這個參數加上了，當然就起作用了)
好吧。待我把功能代碼恢復下，然後看結果如何。。。
嗯？？？！！！改成utf-8了還是不工作啊，不工作。。
然後我又把-Dfile.encoding=UTF-8加上之後，又完美的工作了，工作了，了。。。
大牛看了看，2秒之後說，回家吧，我媳婦樓下等我呢。閃之。。。
暗暗鄙視之。。。。
然後收拾東西準備回家。。。
想到下週還要解決這個問題，然後搜索了下，獲得瞭如上的參閱鏈接，晚點自己研究下。
然後寫下了這篇曲折又有趣的debug經歷。
你看到這篇文章發表的時間就是我下班的時間。
嗯，一天的時間+3個小時都沒有搞定的問題。
嗯。。還在等老婆中，因爲她已經下班回家在路上了。。。
在辦公室。TT
參考關於file.encoding=UTF-8的資料
<properties>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
</properties>
http://yang3wei.github.io/blog/2013/02/10/java-dfile-dot-encoding-equals-utf-8-gan-diao-luan-ma/
最後公佈答案
問題: 使用java如何判斷在一個字符串裏，特定單詞的數量
答案:使用split
因爲java的split是支持正則的(不清楚哪個版本有的這個特性)，所以我們可以講我們需要查找的單詞使用正則來進行匹配，兼容大小寫的哦：）
split之後判斷數組長度，將長度減1就是答案了
想到這個是因爲我要判斷這一行裏引號的數量是不是偶數對。