27 log4j2发送Syslog日志出现乱码错误

乱码是个啥

我们说的乱码，大部分其实都是中文乱码。

例如这次我遇到的，“北京” 两个汉字变成了 “鍖椾含”

出现乱码的原因

我们知道，电脑屏幕显示的汉字其实是由一个个像素点构成的。
而一个汉字其实对应一个字符码。
推导一下，每一个字符码对应一种像素点的组合方式。
如下图：

解码与编码

我们可以这样理解，把字符码变成像素点的过程就叫做"解码"
那么反之，像素点变成字符码的过程叫做"编码"

字符集

那么，咱们解码和编码不能瞎搞吧，0x666我解码成"好"，过几天我又解码成"你"，这样肯定是不行的。
我们需要一个统一的规则，这个规则就是"字符集"

逆向工程

简单思考一下

说了这么多，怎么处理 “北京” -->“鍖椾含” 这种乱码呢？
我们知道，"鍖椾含"肯定是由字符码 解码过来的。
那么我们就来看看究竟是啥样的字符码会被解码成这玩意。

编码

由像素点–>字符码的过程是编码，那我们就来进行编码。
额，问题来了。我们不知道这个字符集，也就是解码编码的规则。

系统字符集

其实，只要查看系统的字符集就可以了。
echo $LANG
我这里系统的字符集是gb2312。
我们开始进行编码，这里我们可以简单使用一下python。
不要害怕，非常简单的一个命令:
print("鍖椾含".encode("gbk"))
哎，有人说，你这里怎么用了gbk，不是gb2312吗？
gbk对gb2312是一种补充。尤其是对生僻字的补充。
这里三个字肯定是生僻字。。
编码出来的结果：
b'\xe5\x8c\x97\xe4\xba\xac'

大胆猜测，大胆试验

b'\xe5\x8c\x97\xe4\xba\xac'这个究竟是啥？
这个怎么和北京两个字扯上关系？
我们先考虑，字符码是怎么来的？
回到上面，字符码是 像素点编码得到的。
好，那我们开始对"北京" 进行编码。
print("北京".encode("gbk"))
b'\xb1\xb1\xbe\xa9'
两种编码不一致，看来不是gb2312这种规则。
print("北京".encode("utf8"))
b'\xe5\x8c\x97\xe4\xba\xac'
哦，看来问题已经明了了

复盘乱码的原因

北京 ----编码(utf8) ----解码(gbk) ----鍖椾含

解决方法

只要我们编码的时候，按照gbk的方式进行编码，那么再解码肯定就是对的了。

看看官网

我们去log4j2官网看看，我们使用的Appender是Syslog
链接: SyslogAppender.

我们看到，其中有个charset，我们把charset设置成gb2312。
不就可以把“北京”用gb2312方式编码了吗？
log4j2.xml

<?xml version="1.0" encoding="UTF-8"?>
<Configuration status="warn" name="MyApp" packages="">

    <Appenders>
        <Syslog name="SYSLOG" facility="LOCAL2" host="xxx.xxx.xxx.xxxx" port="xxx" protocol="UDP" charset="gb2312" />


        <Console name="Console" target="SYSTEM_OUT">
            <PatternLayout pattern="%d{yyyy-MM-dd} [%t] %-5level %logger{36} - %msg%n" />
        </Console>
    </Appenders>
    <Loggers>
        <Logger name="com.myApp" level="warn">
            <AppenderRef ref="SYSLOG"/>
        </Logger>
        <root level="error">
            <appender-ref ref="Console"/>
        </root>
    </Loggers>
</Configuration>