Java 文件編碼深度解析：UTF-8、GBK、UTF-16 與亂碼根因

常見編碼字節佔用對比

Java 內部編碼機制

• Java char / String 內部採用 UTF-16BE（雙字節）
• 一個 char 可存一個漢字（BMP 範圍），補充字符需 代碼點 / char[] 組合
• 項目預設編碼為 GBK（早期版本），現代建議統一 UTF-8

核心原則：編碼解碼必須一致

// 錯誤：bytes 為 UTF-8，卻用 GBK 解碼 → 亂碼
String str = new String(bytes); // 平台預設 GBK

// 正確：顯式指定編碼
String str = new String(bytes, StandardCharsets.UTF_8); // Java 7+
// 或
String str = new String(bytes, "UTF-8");

文件讀寫最佳實踐

// 讀取：指定編碼
try (BufferedReader br = new BufferedReader(
        new InputStreamReader(new FileInputStream(file), StandardCharsets.UTF_8))) {
    String line;
    while ((line = br.readLine()) != null) { ... }
}

// 寫入：指定編碼
try (BufferedWriter bw = new BufferedWriter(
        new OutputStreamWriter(new FileOutputStream(file), StandardCharsets.UTF_8))) {
    bw.write(content);
}

IDE 與專案編碼陷阱

• Eclipse/IDEA 專案編碼設置決定源文件讀寫編碼
• UTF-8 專案複製 GBK 文件內容 → 自動轉碼，通常不亂碼
• UTF-8 專案直接複製 GBK 文件（二進制）→ 打開顯示亂碼，需轉碼後再導入
• 建議：全專案統一 UTF-8，編譯輸出也設為 UTF-8（-encoding UTF-8）

亂碼排查清單

1. 確認源數據實際編碼（用十六進制編輯器查看字節）
2. 確認解碼時使用的編碼是否與源一致
3. 檢查中間傳輸環節（HTTP header、DB 連接屬性、文件讀寫 API）是否指定編碼
4. 控制台輸出編碼是否匹配（IDE Run Configuration → Encoding）

掌握「字節序列 ↔ 字符串」雙向轉換的編碼一致性原則，是解決 99% 亂碼問題的關鍵。