Java 語言中字元處理的核心機制與中文編碼解決方案

Java 作為一種跨平台的程式語言，其設計哲學建立在 C++ 基礎之上，卻移除了 C++ 中複雜、危險且多餘的特性，使其成為更安全、簡單且易用的語言。在字元處理方面，Java 採用 16 位元的 Unicode 字元集，這與 C 語言的 8 位元字元模型有本質區別。

Java 字元表達的特殊性

Java 的基本 char 型別被定義為無符號 16 位元整數，這是 Java 中唯一的無符號型別。這項設計決策的主要目的是支援所有 Unicode 字元，使 Java 能夠描述或顯示任何被 Unicode 支援的語言，從而獲得更好的可移植性。然而，能夠支援某種語言的字串顯示，與能夠正確列印該語言的字串，往往是兩個不同的問題。

由於 Java 早期開發團隊（Oak 團隊）主要在 Unix 環境下工作，其 I/O 系統深受 Unix 流概念影響——在 Unix 中，每種 I/O 裝置都用一串 8 位元組的流來表示。這導致 Java 擁有 16 位元的字元，卻只有 8 位元的輸入輸出裝置。因此，在任何 Java 字串按 8 位元讀入或寫出的地方，都需要一小段程式碼（稱為「劈 hack」）來完成 8 位元字元與 16 位元 Unicode 之間的映射轉換。

中文檔案讀取的常見問題與解決方案

當我們嘗試使用 FileInputStream 和 DataInputStream.readChar() 讀取包含中文的檔案時，會得到亂碼。根本原因在於 readChar() 讀取的是 16 位元 Unicode 字元，而 System.out.print 卻將其當作 8 位元 ISO Latin-1 字元輸出。

Java 1.1 引入的 Reader/Writer 體系

Java 1.1 引入全新的 Readers 和 Writers 介面專門處理字元。利用 InputStreamReader 類別取代 DataInputStream，可以正確處理字元編碼轉換：

FileInputStream fis = new FileInputStream("xinxi.txt");
InputStreamReader isr = new InputStreamReader(fis);
int ch;
while ((ch = isr.read()) != -1) {
    System.out.print((char) ch);
}

跨平台編碼轉換的進階處理

當檔案來源於不同作業系統或編碼環境（如客戶端上傳至伺服器）時，僅使用預設 InputStreamReader 可能仍會失敗。此時需要明確指定編碼：

InputStreamReader isr = new InputStreamReader(fis, "GBK"); // 或 Big5, UTF-8 等

也可以使用緩衝讀取提升效能：

BufferedReader br = new BufferedReader(new InputStreamReader(fis, "GBK"));
String line;
while ((line = br.readLine()) != null) {
    // 處理每一行
}

核心總結

Java 語言中字元處理的關鍵在於：將 16 位元 Unicode 字元，正確轉換為本地底層平台（即執行 Java 虛擬機的平台）能夠理解的字元形式。掌握 InputStreamReader/OutputStreamWriter 的編碼指定機制，是解決中文亂碼問題的根本之道。