深度解析 JSP/Servlet 中文處理與編碼陷阱

中文編碼體系

• GB2312-80：國家強制標準，雙位元組，高/低位 0xA1-0xFE，漢字範圍 0xB0A1-0xF7FE。
• GBK：擴展規範，相容 GB2312，收錄 20902 字，範圍 0x8140-0xFEFE，可一一映射 Unicode 2.0。
• GB18030-2000 (GBK2K)：未來標準，含少數民族字，不定長（雙/四位元組），雙位元組部份相容 GBK。

JDK 內建編碼別名

為什麼會出現「？」

跨編碼轉換必經 Unicode 中介：來源編碼 → Unicode → 目標編碼。

• 來源字元在 Unicode 無對應 → 產生 \uFFFD (替換字元)。
• Unicode 字元在目標編碼無對應 → 產生 0x3F (「？」)。

例：new String(buf, "GB2312") 遇 GBK 專有字 → 「？啊」；String.getBytes("GBK") 遇無對應字 → 部分「？」部分亂碼。

最佳實務

1. 全鏈路統一編碼（建議 UTF-8）：JSP pageEncoding、web.xml request-character-encoding、資料庫連線 characterEncoding、HTML <meta charset="UTF-8">。
2. 避免在 ISO-8859-1 與中文編碼間直接轉換，務必經 Unicode。
3. Tomcat 8+ 預設 UTF-8，舊版需在 server.xml 設定 URIEncoding="UTF-8"。