Java 字元編碼深度解析：ASCII、ISO-8859-1、Unicode、UTF-8、GB2312 演進脈絡

核心概念釐清

字元集

抽象字元的集合（如「所有中文字」、「ASCII 字元」），只定義「有哪些字」，不定義如何儲存。

字元編碼

將字元集映射為位元組序列的規則（如 UTF-8、GBK），定義「如何存成位元組」。

一個字元集可對應多種編碼（Unicode 對應 UTF-8/UTF-16/UTF-32），但一種編碼只對應一個字元集。

主流編碼歷史演進與技術細節

1. ASCII（American Standard Code for Information Interchange）

• 位元寬度：7 bits（0~127），常以 1 byte 儲存（最高位固定 0）
• 涵蓋：控制字元（CR/LF/BS）、英文大小寫、阿拉伯數字、基本標點
• 缺憾：無法表達西歐語言變音符、東亞漢字、西里爾字母等

2. ISO 8859-1（Latin-1）

• 擴充策略：沿用 ASCII 0~127，利用 128~255（0x80~0xFF）新增 96 字元
• 涵蓋：西歐語言（法、德、西、義等）常用變音字母
• 位元寬度：8 bits = 1 byte，單一字節編碼
• 局限：仍無法支援中日韓（CJK）字元

3. GB 2312（中國國家標準簡體中文字元集）

• 發布：1981 年，編號 GB 2312-80
• 收錄：6,763 漢字（一級 3,755 + 二級 3,008）+ 682 非漢字符號
• 編碼結構：雙字節（高位 0xA1~0xF7，低位 0xA1~0xFE），共 94×94=8,836 碼位
• 分區：01~09 區符號，16~55 區一級漢字（按拼音排序），56~87 區二級漢字（按部首/筆畫）
• 缺口：未收錄繁體字、生僻字、少數民族文字

4. Unicode（通用多八位編碼字元集，UCS）

• 目標：為全球所有語言字元分配唯一碼位（Code Point）
• 碼位範圍：U+0000 ~ U+10FFFF（共 17 個平面，每平面 65,536 碼位）
• 基本多文種平面：U+0000 ~ U+FFFF，涵蓋絕大多數常用字
• 編碼形式：UTF-8、UTF-16、UTF-32（見下）

5. UTF 系列：Unicode 的具體實作

UTF-8 變長編碼規則

U+0000 ~ U+007F     : 0xxxxxxx                    (1 byte)
U+0080 ~ U+07FF     : 110xxxxx 10xxxxxx           (2 bytes)
U+0800 ~ U+FFFF     : 1110xxxx 10xxxxxx 10xxxxxx  (3 bytes)  ← 大多數漢字
U+10000 ~ U+10FFFF  : 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx (4 bytes) ← Emoji、生僻字

Java 中的編碼處理實戰

// 字串 → 位元組陣列（指定編碼）
byte[] utf8Bytes = "中文".getBytes(StandardCharsets.UTF_8);
byte[] gbkBytes  = "中文".getBytes("GBK");  // 需捕獲 UnsupportedEncodingException

// 位元組陣列 → 字串（指定編碼）
String s1 = new String(utf8Bytes, StandardCharsets.UTF_8);
String s2 = new String(gbkBytes, "GBK");

// 檔案讀寫指定編碼 (JDK 7+)
try (BufferedReader br = Files.newBufferedReader(path, StandardCharsets.UTF_8);
     BufferedWriter bw = Files.newBufferedWriter(path, StandardCharsets.UTF_8)) { ... }

常見亂碼根因與排查

1. 編碼不匹配：UTF-8 位元組以 ISO-8859-1 解碼 → 每個中文字變 2~3 個亂碼字元
2. 雙重編碼：字串已為 UTF-8，再次 getBytes("UTF-8") → 位元組膨脹
3. 預設編碼依賴：new String(bytes) 使用平台預設編碼（Windows GBK、Linux UTF-8），跨平台部署必崩

黃金法則：所有跨邊界（網路、檔案、資料庫、JNI）的字串↔位元組轉換，必須顯式指定編碼。

GBK/GB18030 補充

• GBK：GB 2312 擴充版，收錄 21,000+ 字元（含繁體、日韓字），雙字節，與 GB 2312 相容
• GB18030：國家強制標準，單/雙/四字節混合，支援 Unicode 所有碼位，向下相容 GBK

1. 上一篇文章： Java 核心知識點精華總結：從基礎類型到單例模式的 22 條實戰精要
2. 下一篇文章： Java 資料庫連線池配置實戰：Tomcat JNDI 整合與 Spring 管理全流程

Java 程式設計入門

Java IO 流與檔案操作完全指南：從位元組流到字元流

Java IO 流與檔案操作完全指南：從位元組流到字元流 j

基於 AWT 打造個性化 Java 聊天軟件：從架構到核心源碼解析

項目概覽 本文詳細記錄一款純 AWT 實現的 Java 聊天

Java final 關鍵字深度解析：類、方法、變量的三重語義

final 是 Java 中語義最豐富、誤解最多的關鍵字之一

Java Swing 開發實戰：從零構建功能完整的桌面鬧鐘應用程式

前言 Swing 是 Java 標準庫提供的輕量級 GUI