COBOL读取Unix UTF-8文件跳读异常原因及标准处理方案咨询

1. 编码与记录长度不匹配
   你定义的PIC U(10)是UTF-16编码的Unicode字符类型，每个字符占2字节，因此固定长度记录的字节数为20。但输入文件是UTF-8编码，其中ASCII类字符仅占1字节，两者的字节密度差异导致读取逻辑混乱。

2. 未指定文件编码属性
   z/OS COBOL处理Unix文件时，若FD语句未通过CODEPAGE指定编码，会默认按字节流读取，并将PIC U变量视为UTF-16编码。这导致每次READ操作读取20字节的UTF-8内容，将其当作UTF-16字节流解码为10个Unicode字符——但实际上这20字节对应20个UTF-8字符，相当于跳过了10个UTF-8字符未被显示。

3. 固定记录模式的限制
   使用RECORDING MODE F（固定长度）时，COBOL严格按20字节块读取文件，而非按Unicode代码点计数。这种字节级的固定块读取，和UTF-8的变长编码特性冲突，最终表现为“读取10个字符，跳过30个字符”的异常规律。

1. 明确指定文件编码 #

在FD语句中添加CODEPAGE 1208（UTF-8的标准代码页编号），让COBOL正确解析UTF-8字节流为Unicode代码点：

FD XMLFILE RECORDING MODE F
    CODEPAGE 1208.
01  chunk PIC U(10).

2. 使用流模式读取（适配UTF-8变长特性） #

将记录模式改为RECORDING MODE S（流模式），COBOL会按Unicode代码点读取，直到填满变量或文件结束，避免固定字节块的截断问题：

FD XMLFILE RECORDING MODE S
    CODEPAGE 1208.
01  chunk PIC U(10).

3. 添加文件状态检查 #

增加文件状态变量，便于调试和处理读取异常：

FILE-CONTROL.
    SELECT XMLFILE ASSIGN TO "XML"
        FILE STATUS IS file-status.
...
WORKING-STORAGE SECTION.
01  file-status PIC XX.
01  EOF PIC X VALUE 'F'.
...
READ XMLFILE
    AT END MOVE 'T' TO EOF
    NOT AT END
        DISPLAY FUNCTION DISPLAY-of(chunk)
    END-READ
IF file-status NOT = '00'
    DISPLAY "File error: " file-status
END-IF

4. 显式编码转换（灵活处理字节流） #

若需要更精细的控制，可先读取UTF-8字节到字符变量，再通过FUNCTION NATIONAL-OF转换为Unicode变量：

WORKING-STORAGE SECTION.
01  utf8-buffer PIC X(100).
01  unicode-data PIC U(100).
...
READ XMLFILE INTO utf8-buffer
    AT END MOVE 'T' TO EOF
    NOT AT END
        MOVE FUNCTION NATIONAL-OF(utf8-buffer, 1208) TO unicode-data
        DISPLAY FUNCTION DISPLAY-of(unicode-data)
END-READ

内容的提问来源于stack exchange，提问作者MJG