Java 編程中漢字亂碼問題的根因分析與解決方案

前言：亂碼從何而來？

Java 內部使用 Unicode（UTF-16），但外部世界（文件、數據庫、網絡、操作系統）常使用 GB2312、GBK、Big5、ISO-8859-1 等編碼。編碼不一致是亂碼的根本原因。本文從編碼基礎、JVM 處理流程、實戰場景三個維度系統剖析並給出解決方案。

漢字編碼基礎知識

• ASCII：1 字節，128 字符，英文足夠。
• GB2312/GBK：雙字節，高位字節最高位為 1，覆蓋簡體中文，GBK 為超集。Windows 內碼常為 GBK。
• Big5：繁體中文常用雙字節編碼。
• Unicode：統一碼，固定 2 字節（BMP）或 4 字節，Java char/String 內部即 UTF-16。
• UTF-8：變長編碼，ASCII 兼容，網絡傳輸標準。

Java 中文處理全鏈路

源碼 → 編譯器 → 字節碼 → JVM → 操作系統 → 顯示設備

1. 源碼編碼：javac -encoding GBK 指定源文件編碼，否則編譯器用平台默認編碼（中文 Windows 為 GBK，Linux 為 ISO-8859-1），導致字面量常量池錯誤。
2. JRE 版本：必須安裝國際版 JRE（支援非英文字符），英文版不支援中文。
3. 操作系統與字體：英文 OS 需安裝中文語言包/字體才能顯示。
4. 運行時編碼轉換：核心難點。

核心轉換模式

獲取請求參數（ISO-8859-1 → 目標編碼）

String s1 = request.getParameter("keyword");
String s2 = new String(s1.getBytes("ISO-8859-1"), "GBK");

原理：Servlet 容器默認用 ISO-8859-1 解碼 URL/表單數據，實際為 GBK 字節，需「按原編碼取回字節，再按正確編碼解碼」。

JSP 頁面輸出

<%@ page contentType="text/html;charset=gb2312" %>

設置響應 Content-Type，容器自動將 Unicode 字符串按指定編碼輸出。

數據庫讀寫

• 讀：ResultSet.getString() 獲取的字符串可能按 ISO-8859-1 解碼，需同樣 getBytes("ISO-8859-1") 再按 GBK 解碼。
• 寫：PreparedStatement.setString() 前將字符串按 ISO-8859-1 編碼為字節，再構造字符串傳給 JDBC（或配置驅動 characterEncoding=GBK）。

經典案例：Applet 環境下的 JRE 缺失導致默認編碼錯誤

客戶端無 JDK、只有瀏覽器 JRE 時，sun.awt.windows.awtLocalization_zh_CN 資源缺失，導致 file.encoding 退回 8859_1，中文轉換失敗。解決：打包必要的 sun.io.CharToByteDoubleByte.class 或升級 JDK 1.2+（內建完整編碼支持）。

根因深度剖析：Java 核心類庫的編碼實現缺陷

• sun.io.ByteToCharGB2312、CharToByteBig5 等轉換類存在映射錯誤（如「節」「樂」轉 Big5 變「？」）。
• Servlet 解碼邏輯 HttpUtils.parseName 未考慮雙字節，直接將 %XX 視為單字符，導致中文參數截斷。修正：修改源碼重打包 servlet.jar。

最佳實踐總結

1. 統一編碼：全鏈路（源碼、編譯、JVM、數據庫、頁面、請求/響應）強制指定 UTF-8（推薦）或 GBK。
2. 源碼編譯：javac -encoding UTF-8 或 IDE 設置項目編碼。
3. JVM 參數：-Dfile.encoding=UTF-8（慎用，影響日誌等）。
4. Web 容器：Tomcat URIEncoding="UTF-8"、useBodyEncodingForURI="true"。
5. 數據庫連接：JDBC URL 附加 characterEncoding=utf8&useUnicode=true。
6. 頁面響應：Filter 統一設置 response.setCharacterEncoding("UTF-8") 及 Content-Type。
7. 前端表單：<form accept-charset="UTF-8">，頁面 <meta charset="UTF-8">。

結語

中文亂碼本質是編碼協議不匹配。Java 提供了完整的轉換 API，關鍵在於明確每個邊界的編碼約定，並統一強制執行。世界標準化組織推動 ISO 10646/Unicode 統一編碼，UTF-8 已成事實標準，拥抱 UTF-8 是徹底解決之道。