Java/JSP 中文編碼問題深度解析：從位元組到 Unicode 的完整轉換鏈

核心知識：位元組、Char 與 Unicode

• Java 內核使用 UTF-16 (char)，class 檔案常數池採 Modified UTF-8。
• 外部媒介（檔案、網路、資料庫）多為位元組流，需指定編碼轉換。
• 關鍵轉換類別：sun.io.ByteToCharConverter、CharToByteConverter（內部實作，建議使用標準 InputStreamReader/OutputStreamWriter）。

編碼轉換實例

以「你」字為例：Big5/GBK = 0xC4E3，Unicode = 0x4F60。

// 位元組 → Char (解碼)
byte[] b = {(byte)0xC4, (byte)0xE3};
String s = new String(b, "GBK");  // 正確得到 "你"
String s2 = new String(b, "8859_1"); // 錯誤得到兩個雜湊字元

// Char → 位元組 (編碼)
char[] c = {'你'};
byte[] b2 = "你".getBytes("GBK");   // {0xC4, 0xE3}
byte[] b3 = "你".getBytes("8859_1"); // {0x3F} ('?') 無法對應

String.length() 回傳 char 數，不同編碼下位元組長度不同，分頁截斷易產生亂碼。

Reader/Writer 與 Stream 的關係

• InputStreamReader / OutputStreamWriter 是橋樑：建構子必須傳入 encoding，否則用平台預設編碼（中文 Windows = GBK/Big5，Linux/英文 Windows = ISO-8859-1）。
• 直接使用 FileReader/FileWriter 無法指定編碼，跨平台極不穩定。

Javac 編譯期編碼

javac -encoding GBK MyJsp.java

• 編譯器依指定編碼讀取 .java，將字面字串編譯為 Modified UTF-8 存入 .class。
• 若未指定 -encoding，依平台預設編碼讀取 → 跨平台編譯會產生不同 bytecode。
• 範例：String str = "你"; 在中文平台編譯 → runtime char[] = 0x4F60；英文平台編譯 → runtime char[] = 0x00C4, 0x00E3（誤將位元組當 Unicode）。

JSP/Tomcat 執行期編碼鏈

1. JSP 原始碼讀取：若頁面有 <%@ page contentType="text/html;charset=GBK" %>，容器依此編碼讀取 .jsp 檔；否則預設 ISO-8859-1。
2. 編譯為 Servlet：讀取後以 UTF-8 寫入 .java，再用 javac -encoding UTF-8 編譯。
3. 請求參數解碼：Tomcat 所有參數 (GET/POST) 預設用 ISO-8859-1 解碼（原始碼 HttpUtils.parsePostData、HttpRequestAdapter 可見）。
4. 回應輸出編碼：response.setContentType("text/html;charset=GBK") 影響 out 寫入器編碼。
5. <jsp:include> 編碼缺陷：早期 Tomcat 解析器漏掉 encoding 屬性，需自行修補原始碼或避免使用。

實務解決方案比較

方案 A：全站 ISO-8859-1（適合純英文環境或極簡部署）

• 所有 JavaBean 用 javac -encoding ISO-8859-1 編譯
• JSP 不加 charset=GBK
• 伺服器作業系統語系設為英文
• 缺點：中文參數需手動 new String(param.getBytes("8859_1"), "GBK")；檔案上傳分頁極難處理。

方案 B：明確指定 GBK/Big5（推薦中文專案）

<%@ page contentType="text/html;charset=GBK" %>
<% request.setCharacterEncoding("GBK"); %>  // 必須在讀取參數前呼叫

• JSP、JavaBean、資料庫連線、檔案 I/O 統一用 GBK/Big5
• Tomcat 5.5+ 可在 server.xml 設定 URIEncoding="GBK" 統一 GET 參數解碼
• 優點：邏輯清晰、除錯容易、支援 GBK/Big5 切換

方案 C：全站 UTF-8（現代化首選）

• 所有檔案、資料庫、JSP、Java 原始碼統一 UTF-8
• 瀏覽器表單送出自動 UTF-8（HTML5 預設）
• Tomcat server.xml 設定 URIEncoding="UTF-8"
• 資料庫連線 URL 加 characterEncoding=UTF-8
• 優點：國際化無痛、無編碼轉換效能損耗、符合現代標準

關鍵檢查清單

1. JSP 頁面頂端 <%@ page contentType="text/html;charset=UTF-8" %>
2. web.xml 設定 <filter> CharacterEncodingFilter UTF-8 true </filter>（Spring 提供）
3. Tomcat server.xml <Connector URIEncoding="UTF-8" />
4. 資料庫、表格、欄位編碼一致（MySQL: CHARSET=utf8mb4）
5. JDBC URL: jdbc:mysql:///db?useUnicode=true&characterEncoding=UTF-8
6. 所有 .java、.jsp、.properties 檔案以 UTF-8 無 BOM 儲存
7. IDE/編輯器專案編碼設為 UTF-8