Java 中文亂碼終極指南：字符集原理、常見編碼、亂碼成因與統一編碼最佳實踐

中文亂碼是 Java 開發者的「成長必經之痛」。本文從字符、字符集、編碼三大核心概念入手，梳理 ASCII、ISO-8859-1、GB2312/GBK/GB18030、BIG5、UTF-8/UTF-16 等主流編碼特性，剖析亂碼產生的三大場景，給出「全鏈路統一編碼」工程化解決方案。

核心概念釐清

主流中文編碼特性對比

Java 內部機制關鍵點

• String 內部採用 **UTF-16** (JDK 9+ 壓縮為 Latin1/UTF-16)。
• JVM 運行期**所有字符統一以 Unicode 存儲**，支援多語言。
• I/O 操作 (FileReader, InputStreamReader, HttpServletRequest) **必須顯式指定 charset**，否則退回到平台預設 (Windows=GBK, Linux=UTF-8) → 亂碼根源。

三大亂碼場景與解決模板

1. 檔案讀寫

// 讀取：指定源檔編碼
try (BufferedReader br = new BufferedReader(
        new InputStreamReader(new FileInputStream(file), "GBK"))) { ... }

// 寫入：統一輸出 UTF-8
try (BufferedWriter bw = new BufferedWriter(
        new OutputStreamWriter(new FileOutputStream(file), "UTF-8"))) { ... }

2. Web 請求/響應 (Servlet/JSP/Spring MVC)

// 全局 Filter (Spring Boot: server.servlet.encoding.charset=UTF-8)
request.setCharacterEncoding("UTF-8");      // POST 請求體
response.setCharacterEncoding("UTF-8");     // 響應體
response.setContentType("text/html;charset=UTF-8");

3. URL 參數 / HTTP Header 傳輸

// 發送端：URLEncoder.encode(param, "UTF-8")
// 接收端：Tomcat 8+ 需在 server.xml Connector 加 useBodyEncodingForURI="true" URIEncoding="UTF-8"
// 歷史遺留 GET 參數 ISO-8859-1 → 目標編碼：
String fixed = new String(param.getBytes("ISO-8859-1"), "UTF-8");

工程化最佳實踐：全鏈路 UTF-8

1. 源碼檔案：IDE 統一保存為 UTF-8 (IntelliJ: Settings → File Encodings → Global/Project = UTF-8)。
2. 編譯輸出：javac -encoding UTF-8 / Maven: <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>。
3. 資料庫：表/庫/連接字串全 UTF-8 (MySQL: characterEncoding=utf8mb4, useUnicode=true)。
4. 容器/框架：Tomcat URIEncoding="UTF-8"、Spring Boot server.servlet.encoding.*。
5. 前端頁面：<meta charset="UTF-8">、JS 檔案 UTF-8。
6. 日誌/監控：Logback/Log4j2 <charset>UTF-8</charset>。

緊急修復單行代碼 (治標不治本)

// ISO-8859-1 (網路傳輸/錯誤解碼) → 正確編碼
String correct = new String(broken.getBytes("ISO-8859-1"), "UTF-8");

**切記**：此行代碼只能作為臨時搶險，**必須**配合上游編碼統一徹底根治。