Java 中文編碼問題深度解析：從原理到解決方案的完整指南

前言：為什麼中文會亂碼？

Java 採用 Unicode (UTF-16) 作為內部字元表示，而中國大陸常用 GBK/GB2312，繁體中文環境常用 Big5，早期系統常用 ISO-8859-1。當資料在「編碼 A → 位元組 → 解碼 B」的流程中，編碼與解碼不一致，即產生亂碼。本文將從編碼原理、JVM 處理流程、常見場景、解決方案四個維度，徹底解決 Java 中文編碼難題。

一、編碼基礎知識

二、Java 處理中文的完整鏈路

資料流向：源碼 → 編譯 → 類別檔 → JVM → 作業系統 → 顯示裝置

2.1 源碼編碼與編譯

• JDK javac 預設使用作業系統預設編碼（Windows: GBK, Linux: ISO-8859-1/UTF-8）。
• 強制指定：javac -encoding UTF-8 MyClass.java（建議專案統一 UTF-8 源碼）。
• IDE 設定：Eclipse/IntelliJ 專案/檔案編碼務必設為 UTF-8。

2.2 JVM 運行與字串內部表示

• String 內部為 char[] (UTF-16 碼單元)。
• String.getBytes(charset)：按指定編碼編碼為位元組陣列。
• new String(bytes, charset)：按指定編碼解碼位元組陣列。
• 核心公式：new String(str.getBytes("ISO-8859-1"), "GBK") —— 將錯誤用 ISO-8859-1 解碼的字串，重新按 GBK 解碼還原。

2.3 JRE 版本影響

• 僅國際版 JRE支援非英文字元顯示/輸入。
• 現代 JDK/JRE (8+) 預設即為國際版，無需額外安裝。

三、常見場景與解決方案

3.1 控制台輸出

// Windows cmd 預設 GBK，需設定 JVM 參數或程式碼指定
System.out.println(new String("中文".getBytes("UTF-8"), "GBK"));
// 或啟動參數：java -Dfile.encoding=UTF-8 -Dsun.stdout.encoding=GBK Main

3.2 檔案讀寫

// 讀取：明確指定編碼
try (BufferedReader br = new BufferedReader(
        new InputStreamReader(new FileInputStream("file.txt"), "GBK"))) { ... }

// 寫入：明確指定編碼
try (BufferedWriter bw = new BufferedWriter(
        new OutputStreamWriter(new FileOutputStream("file.txt"), "UTF-8"))) { ... }

3.3 JDBC 資料庫交互

• 連線 URL 指定編碼：jdbc:mysql://localhost/db?useUnicode=true&characterEncoding=UTF-8
• 驅動版本：使用 5.1.47+ / 8.0+ 版驅動，支援 characterEncoding 參數。
• 避免在 Java 端手動轉碼，交由驅動處理。

3.4 Web 應用 (Servlet/JSP/Spring)

3.5 序列化/網路傳輸

• 協定層明確約定編碼（如 HTTP Header: Content-Type: application/json; charset=UTF-8）。
• JSON/XML 庫 (Jackson, Gson, JAXB) 預設 UTF-8，通常無需干預。

四、核心轉碼工具類

public final class CharsetUtils {
    private CharsetUtils() {}

    /** 安全轉碼：bytes 原編碼 → 目標編碼字串 */
    public static String convert(byte[] bytes, String fromCharset, String toCharset) {
        try {
            return new String(bytes, fromCharset);
        } catch (UnsupportedEncodingException e) {
            throw new IllegalArgumentException("Unsupported charset: " + fromCharset, e);
        }
    }

    /** 修正錯誤解碼的字串 (常見: ISO-8859-1 → GBK/UTF-8) */
    public static String fixEncoding(String garbled, String wrongCharset, String correctCharset) {
        try {
            return new String(garbled.getBytes(wrongCharset), correctCharset);
        } catch (UnsupportedEncodingException e) {
            throw new IllegalArgumentException("Charset error", e);
        }
    }
}

五、避坑指南與最佳實踐

1. 全鏈路 UTF-8：源碼、資料庫、網路傳輸、檔案儲存、頁面輸出統一 UTF-8，消除 90% 亂碼根源。
2. 邊界明確轉碼：僅在與外部系統交互（檔案、資料庫、舊系統、HTTP 請求）時做編碼/解碼，內部統一用 String (UTF-16)。
3. 避免 String.getBytes() 無參呼叫：隱含使用平台預設編碼，跨平台極不穩定。永遠用 getBytes(StandardCharsets.UTF_8)。
4. 使用 StandardCharsets 常數：StandardCharsets.UTF_8, GBK, ISO_8859_1 避免拼寫錯誤。
5. Tomcat 8+ 預設 UTF-8，但仍建議顯式配置 URIEncoding 與 CharacterEncodingFilter。

結語

Java 中文亂碼本質是「編碼不匹配」。理解 Unicode 內部表示、掌握 getBytes/String 建構子雙向轉碼、配置全鏈路 UTF-8、在系統邊界明確處理編碼轉換，是徹底解決問題的鑰匙。現代框架與容器已大幅簡化配置，但核心原理不變，深入理解才能在疑難雜症中游刃有餘。