Java 字符编码全解析：从乱码根源到 Unicode 实战指南

在 Java 开发中，你是否曾遇到过这样的场景？

• 从数据库读取中文显示为 ???
• 文件读写后中文变成 我爱Java
• HTTP 接口返回的 JSON 中文全是乱码
• 控制台输出中文却显示方块或问号

这些问题的根源，几乎都指向同一个“幕后黑手”——字符编码（Character Encoding）。

本文将带你深入 Java 中的字符编码机制，从底层原理到实战解决方案，彻底告别乱码困扰。

---

一、什么是字符编码？为什么需要它？

计算机只认识 0 和 1，但人类使用的是文字（如中文、英文、日文等）。字符编码就是建立“字符”与“二进制数字”之间映射关系的规则。

举个例子：

• 字符 'A' → 编码为 01000001（ASCII）
• 字符 '中' → 编码为 11100100 10111000 10101101（UTF-8）

没有统一的编码规则，计算机就无法正确存储和传输文本。

---

二、常见字符编码简介

编码名称	特点	适用场景
ASCII	7位，128个字符（英文、数字、符号）	英文系统基础
ISO-8859-1 (Latin-1)	8位，256字符，兼容ASCII	西欧语言
GBK / GB2312	中文编码，双字节	中国大陆旧系统
UTF-8	可变长（1~4字节），兼容ASCII，支持全球字符	现代 Web、Java 默认推荐
UTF-16	固定2或4字节，Java 内部使用	Java 字符串底层表示
UTF-32	固定4字节，简单但浪费空间	少数系统使用

✅ 关键结论：UTF-8 是当前互联网事实标准，应作为项目默认编码。

---

三、Java 中的字符编码机制

1. Java 内部统一使用 UTF-16

Java 的 char 类型是 16 位无符号整数，每个 char 存储一个 UTF-16 编码单元。

char c = '中';
System.out.println((int)c); // 输出 20013（Unicode 码点 U+4E2D）

对于超出 BMP（基本多文种平面）的字符（如 emoji 😊），Java 使用 代理对（Surrogate Pair） 表示：

String emoji = "😊";
System.out.println(emoji.length()); // 输出 2！因为用了两个 char
System.out.println(emoji.codePointCount(0, emoji.length())); // 正确：1 个字符

💡 建议：处理 Unicode 字符时，优先使用 codePointAt()、codePointCount() 等方法。

---

2. 字节与字符串的桥梁：Charset

Java 通过 java.nio.charset.Charset 类管理编码转换：

import java.nio.charset.StandardCharsets;

String text = "你好，Java！";

// 字符串 → 字节数组（编码）
byte[] utf8Bytes = text.getBytes(StandardCharsets.UTF_8);
byte[] gbkBytes = text.getBytes(Charset.forName("GBK"));

// 字节数组 → 字符串（解码）
String fromUtf8 = new String(utf8Bytes, StandardCharsets.UTF_8);
String fromGbk = new String(gbkBytes, "GBK");

⚠️ 危险操作：不要使用无参 getBytes() 或 new String(byte[])！
它们会使用 系统默认编码（如 Windows 是 GBK，Linux 是 UTF-8），导致跨平台乱码。

---

四、常见乱码场景与解决方案

场景 1：控制台输出中文乱码

原因：控制台编码与 Java 输出编码不一致。

解决方案：

• IDEA / Eclipse：设置控制台编码为 UTF-8（File → Settings → Editor → File Encodings）
• 命令行：
  • Windows：chcp 65001 切换到 UTF-8 模式
  • Linux/macOS：确保 LANG=en_US.UTF-8

// 强制指定输出编码（不推荐，应统一环境）
PrintStream out = new PrintStream(System.out, true, "UTF-8");
out.println("你好");

---

场景 2：文件读写乱码

错误写法：

// 使用默认编码，跨平台风险极高！
Files.write(Paths.get("data.txt"), "中文内容".getBytes());
String content = new String(Files.readAllBytes(Paths.get("data.txt")));

正确写法：

// 显式指定 UTF-8
Path file = Paths.get("data.txt");
Files.write(file, "中文内容".getBytes(StandardCharsets.UTF_8));
String content = new String(Files.readAllBytes(file), StandardCharsets.UTF_8);

// 或使用 Files.readString (Java 11+)
Files.writeString(file, "中文内容", StandardCharsets.UTF_8);
String text = Files.readString(file, StandardCharsets.UTF_8);

---

场景 3：Web 接口返回乱码（Spring Boot）

问题：REST API 返回 JSON 中文显示为 ???。

解决方案：

1. 确保 Controller 返回 String 时指定编码：

   @GetMapping(value = "/text", produces = "text/plain;charset=UTF-8")
   public String getText() {
       return "你好，世界！";
   }
   

2. 全局配置（application.properties）：

   server.servlet.encoding.charset=UTF-8
   server.servlet.encoding.enabled=true
   server.servlet.encoding.force=true
   

3. 使用 @RestController + 对象返回（自动 JSON 序列化，通常默认 UTF-8）：

   @GetMapping("/user")
   public User getUser() {
       return new User("张三", 25); // Jackson 自动处理编码
   }
   

---

场景 4：数据库中文乱码

排查步骤：

1. 数据库表字符集是否为 utf8mb4（MySQL）？

   CREATE TABLE users (
       name VARCHAR(100)
   ) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
   

2. JDBC 连接 URL 是否指定编码？

   spring.datasource.url=jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=UTF-8
   

---

五、Java 项目编码规范建议

1. 统一使用 UTF-8：

   • 源代码文件保存为 UTF-8（IDE 设置）
   • 构建工具（Maven/Gradle）指定编码：

     <!-- Maven -->
     <properties>
         <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
     </properties>
     

2. 永远显式指定 Charset：

   // 好
   new String(bytes, StandardCharsets.UTF_8);
   // 坏
   new String(bytes); // 依赖系统默认
   

3. 避免混合编码：整个系统（前端、后端、数据库、文件）应统一为 UTF-8。

---

六、高级技巧：检测文件编码

Java 本身不提供自动检测编码的功能，但可借助第三方库如 juniversalchardet：

import org.mozilla.universalchardet.UniversalDetector;

byte[] buf = Files.readAllBytes(Paths.get("unknown.txt"));
UniversalDetector detector = new UniversalDetector(null);
detector.handleData(buf, 0, buf.length);
detector.dataEnd();
String encoding = detector.getDetectedCharset(); // 如 "UTF-8", "GB18030"

🔍 注意：自动检测并非 100% 准确，仅作参考。

---

七、结语：编码虽小，影响全局

字符编码是软件国际化（i18n）的基石。在 Java 项目中，坚持“显式优于隐式”原则，始终明确指定 UTF-8，就能避开 99% 的乱码问题。

记住这句口诀：

“输入指定编码，输出指定编码，文件统一 UTF-8，数据库也要跟上！”

---

互动话题：
你在项目中踩过哪些字符编码的“坑”？是如何解决的？欢迎在评论区分享你的经验！