Java String.getBytes() 編碼陷阱：中文字符字節長度差異與截取亂碼根因

現象

byte[] d = "你我他".getBytes(); // 長度 9 (UTF-8: 3字節/漢字)
String s = new String(d, 0, 2); // 只取前 2 字節 → 亂碼 

根因

• 平台默認編碼不一致：Windows 默認 GBK (2字節/漢字)，Linux/Mac 默認 UTF-8 (3字節/漢字)。
• 按字節截取破壞多字節字符：UTF-8 中漢字佔 3 字節，截取前 2 字節導致解碼失敗。

最佳實踐

1. 顯式指定編碼：

   byte[] utf8 = "你我他".getBytes(StandardCharsets.UTF_8);
   byte[] gbk = "你我他".getBytes("GBK");

2. 按字符索引截取：

   String firstTwo = "你我他".substring(0, 2); // "你我"
   byte[] bytes = firstTwo.getBytes(StandardCharsets.UTF_8);

3. 網絡傳輸/存儲統一用 UTF-8，避免跨平台亂碼。