Java 字元編碼深度解析：ASCII、ISO-8859-1、Unicode、UTF-8、GB2312 技術特點與轉換原理

Java 字元編碼體系完整技術指南

字元編碼是資訊交換基石。Java 內部使用 UTF-16 (char 2 位元組)，但 I/O 涉及多種編碼轉換。本文系統整理主流編碼技術特點、轉換原理與 Java 處理實務。

核心概念釐清

• 字元集：字元集合 (如 Unicode、GB2312)
• 編碼方案：字元對應位元組序列規則 (如 UTF-8、UTF-16BE)
• 碼點：字元在字元集中的數值編號 (Unicode: U+0000 ~ U+10FFFF)

主流編碼技術特點對比

UTF-8 編碼演算法詳解

位元組結構：

• 1 位元組：0xxxxxxx (U+0000 ~ U+007F，ASCII 相容)
• 2 位元組：110xxxxx 10xxxxxx (U+0080 ~ U+07FF)
• 3 位元組：1110xxxx 10xxxxxx 10xxxxxx (U+0800 ~ U+FFFF，含中日韓)
• 4 位元組：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx (U+10000 ~ U+10FFFF，Emoji、罕用字)

範例：

• 'A' (U+0041) → 41 (1 byte)
• '中' (U+4E2D) → E4 B8 AD (3 bytes)
• '😀' (U+1F600) → F0 9F 98 80 (4 bytes)

Java 編碼轉換核心 API

String ↔ byte[] 轉換

// 解碼: bytes → String (指定編碼)
String str = new String(bytes, StandardCharsets.UTF_8);
String str = new String(bytes, "GBK"); // 繁體/簡體混合常用

// 編碼: String → bytes (指定編碼)
byte[] bytes = str.getBytes(StandardCharsets.UTF_8);
byte[] bytes = str.getBytes("GB2312");

Reader/Writer 字元流 (自動編碼轉換)

// 讀取 UTF-8 檔案
try (BufferedReader reader = new BufferedReader(
        new InputStreamReader(new FileInputStream(file), StandardCharsets.UTF_8))) {
    String line;
    while ((line = reader.readLine()) != null) { ... }
}

// 寫入 GBK 檔案
try (BufferedWriter writer = new BufferedWriter(
        new OutputStreamWriter(new FileOutputStream(file), "GBK"))) {
    writer.write("中文內容");
}

Charset/CharsetEncoder/CharsetDecoder 進階控制

Charset utf8 = StandardCharsets.UTF_8;
CharsetEncoder encoder = utf8.newEncoder()
    .onMalformedInput(CodingErrorAction.REPORT)
    .onUnmappableCharacter(CodingErrorAction.REPLACE)
    .replaceWith("?");

ByteBuffer bb = encoder.encode(CharBuffer.wrap("測試"));

常見亂碼場景與解決

最佳實務原則

1. 全鏈路 UTF-8：原始碼、編譯、資料庫、網頁、檔案、JVM (-Dfile.encoding=UTF-8)
2. 邊界明確指定：所有 I/O 邊界 (檔案、網路、資料庫) 顯式指定編碼，勿依賴預設
3. 內部統一 String：JVM 內部一律使用 String (UTF-16)，邊界才編碼/解碼
4. 使用 StandardCharsets：StandardCharsets.UTF_8 等常數避免拼字錯誤、保證平台支援
5. 錯誤處理策略：REPLACE (替換 ?)、IGNORE (忽略)、REPORT (拋異常) 視業務而定

掌握編碼本質、Java API 正確用法、全鏈路一致性，是解決亂碼問題的根本之道。