Java 編碼問題徹底解決指南：GBK、UTF-8、UTF-16BE 實測與最佳實踐

前言

亂碼是 Java 開發者的噩夢。本文從位元組層面實測三種常見編碼差異，建立「編碼必須對應」的鐵律，並給出生產環境完整解決方案。

實驗環境與程式碼

Eclipse 專案預設編碼 GBK，測試字串 "我愛ABC"（中英混合）。

public class Demo1 {
    public static void main(String[] args) throws UnsupportedEncodingException {
        String s = "我愛ABC";
        
        // GBK：中文 2 bytes，英文 1 byte
        printBytes("GBK", s.getBytes("gbk"));
        
        // UTF-8：中文 3 bytes，英文 1 byte
        printBytes("UTF-8", s.getBytes("utf-8"));
        
        // UTF-16BE：中英文皆 2 bytes（大端序）
        printBytes("UTF-16BE", s.getBytes("utf-16be"));
        
        // 錯誤示範：以專案預設 GBK 解碼 UTF-16BE 位元組 → 亂碼
        String wrong = new String(s.getBytes("utf-16be")); 
        System.out.println("錯誤解碼：" + wrong);
        
        // 正確：指定對應編碼
        String right = new String(s.getBytes("utf-16be"), "utf-16be");
        System.out.println("正確解碼：" + right);
    }
    static void printBytes(String label, byte[] bytes) {
        System.out.print(label + ": ");
        for (byte b : bytes) System.out.printf("%02X ", b & 0xFF);
        System.out.println();
    }
}

實測輸出與分析

GBK:       CE D2 C3 C7 41 42 43   // "我愛" 各 2 bytes，ABC 各 1 byte
UTF-8:     E6 88 91 E6 84 9B 41 42 43  // "我愛" 各 3 bytes
UTF-16BE:  62 11 61 1B 00 41 00 42 00 43  // 所有字元固定 2 bytes

亂碼產生的三大根因

1. 編碼/解碼不一致：寫入用 UTF-8，讀取用 GBK（或反向）
2. 隱式預設編碼：new String(bytes)、FileReader、System.out.println 依賴 file.encoding，跨平台部署極易出錯
3. 多層傳遞未指定：HTTP 請求/回應、JDBC 連線、檔案 IO、日誌框架各層編碼未對齊

生產環境完整解決方案

1. 源頭統一：專案、檔案、資料庫全 UTF-8

• IDE / 建構工具：-Dfile.encoding=UTF-8、Maven <properties><project.build.sourceEncoding>UTF-8</...>
• 資料庫：CREATE DATABASE ... CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;，連線 URL 加 ?characterEncoding=utf8
• HTML 頁面：<meta charset="UTF-8">

2. 程式碼層：顯式指定、拒絕隱式

// 讀寫檔案
try (Reader r = new InputStreamReader(new FileInputStream(f), StandardCharsets.UTF_8);
     Writer w = new OutputStreamWriter(new FileOutputStream(f), StandardCharsets.UTF_8)) { ... }

// HTTP Servlet
request.setCharacterEncoding("UTF-8");
response.setCharacterEncoding("UTF-8");
response.setContentType("text/html;charset=UTF-8");

// JDBC
url = "jdbc:mysql://host/db?characterEncoding=utf8&useSSL=false&serverTimezone=UTC";

3. 框架層：一次設定、全域生效

• Spring Boot：spring.http.encoding.charset=UTF-8、spring.http.encoding.force=true
• Tomcat server.xml：<Connector URIEncoding="UTF-8" ... />
• Logback/Log4j2：<charset>UTF-8</charset>

4. 除錯利器：十六進位檢視

// 線上排查：印出原始 bytes 判斷實際編碼
byte[] raw = ...;
for (byte b : raw) System.out.printf("%02X ", b & 0xFF);
// 對照碼表確認編碼，再決定正確解碼方式

總結

編碼問題本質是位元組序列與字元映射表的對應關係。只要堅持「全鏈路顯式指定 UTF-8」，99% 亂碼問題消失。遇到存量非 UTF-8 系統，邊界處統一轉碼（讀入即轉 UTF-8，寫出再轉目標編碼），內部統一用 Unicode (String) 處理，是架構層面的終極解法。