解決 Java 在 Linux 下讀取中文檔名亂碼問題

Linux 系統預設編碼為 UTF-8，但 Java 在讀取檔案系統中文檔名時，若編碼轉換處理不當，常出現 `?????` 或亂碼。本文分析根因並提供正確解決方案。

問題重現

File[] files = dir.listFiles();
for (File f : files) {
    String name = f.getName();  // 直接取得可能已是亂碼
    // 錯誤嘗試：new String(name.getBytes("GB2312"), "UTF-8");  // 雙重轉碼導致更糟
}

根因分析

1. Java 內部字串為 UTF-16，`File.getName()` 回傳的 `String` 已由 JVM 依據系統屬性 `file.encoding`（Linux 通常為 UTF-8）從位元組轉碼而來。
2. 若檔案系統實際儲存編碼非 UTF-8（如舊系統 GBK），JVM 以 UTF-8 解碼即產生錯誤字元（顯示為 `?`）。
3. 此時 `getName()` 回傳的字串已包含替換字元，無法透過再次 `getBytes`/`new String` 還原，因原始位元組資訊已遺失。

正確解決方案

方案一：啟動 JVM 時指定正確的 file.encoding

java -Dfile.encoding=GBK -jar your-app.jar

或在程式碼啟動早期（如 `main` 第一行）強制設定（不保證所有 JVM 有效）：

System.setProperty("file.encoding", "GBK");

方案二：使用 NIO.2 明確指定編碼讀取目錄 (Java 7+)

Path dir = Paths.get("/path/to/dir");
try (DirectoryStream stream = Files.newDirectoryStream(dir)) {
    for (Path entry : stream) {
        // 取得檔名位元組並以正確編碼解碼
        byte[] nameBytes = entry.getFileName().toString().getBytes(StandardCharsets.ISO_8859_1); // 先以 ISO-8859-1 還原原始位元組
        String correctName = new String(nameBytes, "GBK");  // 再以實際編碼解碼
        System.out.println(correctName);
    }
}

原理：`Path.getFileName()` 回傳的字串若以 ISO-8859-1（單位元組對應）轉回位元組，可還原檔案系統原始位元組序列，再以正確編碼（GBK/Big5）解碼。

方案三：統一檔案系統編碼為 UTF-8（推薦）

• 建立檔案時即以 UTF-8 命名。
• 掛載參數加入 `iocharset=utf8`（如 `/etc/fstab`）。
• 避免跨平台編碼不一致問題。

常見誤區

「用 `new String(name.getBytes("UTF-8"), "UTF-8")` 就能修好」

錯誤。若 JVM 已以 UTF-8 錯誤解碼 GBK 位元組，產生的 `String` 內含替換字元 `` (U+FFFD)，再轉回 UTF-8 位元組仍是替換字元位元組，無法還原原始中文。

總結檢查清單

1. 確認檔案系統實際編碼（`locale charmap` 或 `ls` 觀察）。
2. 啟動 Java 時加上 `-Dfile.encoding=實際編碼`。
3. 若無法控制啟動參數，改用 NIO.2 `Files.newDirectoryStream` 搭配 ISO-8859-1 還原位元組法。
4. 新專案強制規範 UTF-8 檔名，從源頭消除問題。