前言

在日常 Java 開(kāi)發(fā)中，字符編碼問(wèn)題是一個(gè)非常常見(jiàn)卻又特別容易踩坑的地方。尤其是在不同操作系統(tǒng)之間切換，或者從前端傳到后端、再到數(shù)據(jù)庫(kù)，編碼沒(méi)統(tǒng)一好，中文就會(huì)出現(xiàn)“亂碼”。很多同學(xué)第一次遇到的時(shí)候，會(huì)被一大堆奇怪的方塊符號(hào)或者問(wèn)號(hào)整崩潰。

這篇文章就帶你一步一步看清楚字符編碼的來(lái)龍去脈，并結(jié)合可運(yùn)行的代碼，看看如何在 Java 項(xiàng)目里徹底解決編碼不一致的問(wèn)題。

背景：為什么會(huì)出現(xiàn)編碼問(wèn)題

其實(shí)原因很簡(jiǎn)單：不同系統(tǒng)、不同軟件的默認(rèn)字符編碼不一樣。

• Windows 上默認(rèn)編碼是 GBK 或 CP936。
• Linux、Mac 大部分是 UTF-8。
• 數(shù)據(jù)庫(kù)可能是 Latin1、GBK 或 UTF-8。
• Tomcat、IDEA 默認(rèn)也可能不是 UTF-8。

舉個(gè)例子，如果你的 Java 程序里寫(xiě)了一行中文字符串 "你好"，在 UTF-8 下存儲(chǔ)沒(méi)問(wèn)題，但如果有人用 GBK 來(lái)讀取，就會(huì)直接炸掉，變成“亂碼”。

常見(jiàn)場(chǎng)景分析

控制臺(tái)輸出亂碼

在 Windows 的 CMD 下運(yùn)行 Java 程序時(shí)，經(jīng)常會(huì)看到控制臺(tái)打印中文是亂碼。這是因?yàn)?Windows 控制臺(tái)默認(rèn)用 GBK 編碼，但你的 Java 程序里可能用的是 UTF-8。

public class EncodingDemo {
    public static void main(String[] args) {
        String msg = "你好，世界";
        System.out.println(msg);
    }
}

在 Linux/Mac 控制臺(tái)上運(yùn)行，大概率沒(méi)問(wèn)題。但在 Windows CMD 里，就會(huì)看到一堆奇怪符號(hào)。

文件讀寫(xiě)亂碼

當(dāng)你從文件里讀中文內(nèi)容時(shí)，如果讀的時(shí)候用的編碼和寫(xiě)的時(shí)候不一樣，也會(huì)直接出錯(cuò)。

import java.io.*;

public class FileEncodingDemo {
    public static void main(String[] args) throws Exception {
        String text = "中文內(nèi)容測(cè)試";

        // 寫(xiě)入文件，強(qiáng)制使用 UTF-8
        try (Writer writer = new OutputStreamWriter(new FileOutputStream("test.txt"), "UTF-8")) {
            writer.write(text);
        }

        // 讀取文件（錯(cuò)誤示范：不指定編碼）
        try (BufferedReader reader = new BufferedReader(new FileReader("test.txt"))) {
            System.out.println("讀到的內(nèi)容：" + reader.readLine());
        }

        // 正確方式：指定 UTF-8
        try (BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream("test.txt"), "UTF-8"))) {
            System.out.println("正確讀到的內(nèi)容：" + reader.readLine());
        }
    }
}

運(yùn)行后你會(huì)發(fā)現(xiàn)，沒(méi)指定編碼時(shí)中文是亂碼，指定了 UTF-8 之后就正常了。

數(shù)據(jù)庫(kù)存取亂碼

數(shù)據(jù)庫(kù)也是高頻出錯(cuò)點(diǎn)，比如 MySQL 默認(rèn)的 latin1 編碼就很坑。假設(shè)表結(jié)構(gòu)是這樣的：

CREATE TABLE user (
  id INT PRIMARY KEY AUTO_INCREMENT,
  name VARCHAR(50)
) DEFAULT CHARSET=latin1;

如果你在 Java 里用 UTF-8 往里面寫(xiě)入 "張三"，再讀出來(lái)時(shí)就會(huì)發(fā)現(xiàn)已經(jīng)是亂碼。

解決辦法是：

建庫(kù)建表時(shí)就指定 utf8mb4：

CREATE DATABASE demo DEFAULT CHARSET=utf8mb4;

JDBC 連接時(shí)也要加上編碼參數(shù)：

spring.datasource.url=jdbc:mysql://localhost:3306/demo?useUnicode=true&characterEncoding=utf-8&serverTimezone=UTC

解決方案

那我們?cè)撛趺唇y(tǒng)一解決這個(gè)問(wèn)題呢？其實(shí)有幾個(gè)常見(jiàn)思路：

統(tǒng)一使用 UTF-8

UTF-8 是現(xiàn)在最通用的編碼方式，跨系統(tǒng)兼容性最好。所以最穩(wěn)妥的做法就是：整個(gè)鏈路都統(tǒng)一成 UTF-8。
包括：源代碼文件、編譯參數(shù)、運(yùn)行參數(shù)、數(shù)據(jù)庫(kù)配置、Tomcat 配置。

比如在 Maven 項(xiàng)目里，你可以在 pom.xml 里強(qiáng)制指定源碼編碼：

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

這樣即便在 Windows 上編譯，結(jié)果也不會(huì)變。

設(shè)置 JVM 參數(shù)

如果你發(fā)現(xiàn)運(yùn)行環(huán)境默認(rèn)編碼不是 UTF-8，可以在 JVM 啟動(dòng)時(shí)加上參數(shù)：

java -Dfile.encoding=UTF-8 -jar app.jar

這會(huì)讓整個(gè) Java 虛擬機(jī)的默認(rèn)編碼改成 UTF-8，很多情況下能一勞永逸。

數(shù)據(jù)庫(kù)設(shè)置字符集

在 MySQL 里，推薦直接用 utf8mb4，這樣連 emoji 表情都能存：

ALTER DATABASE demo CHARACTER SET utf8mb4;
ALTER TABLE user CONVERT TO CHARACTER SET utf8mb4;

同時(shí)，Java 里的 JDBC 連接也要顯式指定編碼，否則還是會(huì)出問(wèn)題。

實(shí)際案例：亂碼排查經(jīng)驗(yàn)

我自己就踩過(guò)一個(gè)坑：在 Windows 下本地開(kāi)發(fā)，數(shù)據(jù)庫(kù)是 utf8mb4，項(xiàng)目里也設(shè)了 -Dfile.encoding=UTF-8，一切正常。但是代碼上線(xiàn)到 Linux 服務(wù)器后，日志里的中文全是亂碼。排查了半天，最后發(fā)現(xiàn)是 日志框架的配置文件沒(méi)聲明 UTF-8，導(dǎo)致寫(xiě)日志文件時(shí)被當(dāng)成系統(tǒng)默認(rèn)編碼。

后來(lái)改了一行配置就好了：

<encoder class="ch.qos.logback.classic.encoder.PatternLayoutEncoder">
    <charset>UTF-8</charset>
    <pattern>%d{yyyy-MM-dd HH:mm:ss} [%thread] %-5level %logger{36} - %msg%n</pattern>
</encoder>

所以要點(diǎn)就是：不要依賴(lài)默認(rèn)值，凡是涉及到字符集的地方都要顯式聲明 UTF-8。

總結(jié)

Java 的字符編碼問(wèn)題，說(shuō)白了就是“讀和寫(xiě)不一致”。解決它的核心就是統(tǒng)一，特別是統(tǒng)一用 UTF-8。

• 源代碼、編譯、運(yùn)行 JVM 都統(tǒng)一 UTF-8。
• 文件讀寫(xiě)時(shí)顯式指定編碼。
• 數(shù)據(jù)庫(kù)用 utf8mb4 并在 JDBC 連接里加上參數(shù)。

只要做到這幾點(diǎn)，基本就不會(huì)再遇到莫名其妙的亂碼問(wèn)題。

到此這篇關(guān)于Java中字符編碼問(wèn)題的解決方法詳解的文章就介紹到這了,更多相關(guān)Java字符編碼內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論