前言

最近在做一個(gè) Java 項(xiàng)目的時(shí)候，遇到了一個(gè)讓人頭疼的問題：在 Windows 上開發(fā)的時(shí)候，中文字符顯示正常，但部署到 Linux 服務(wù)器上就變成亂碼了。剛開始以為是數(shù)據(jù)庫的問題，檢查了數(shù)據(jù)庫字符集也沒問題。后來才發(fā)現(xiàn)，原來是不同系統(tǒng)的默認(rèn)編碼不一致導(dǎo)致的。

相信很多開發(fā)者都遇到過類似的問題：代碼里寫的中文，在不同環(huán)境下顯示不一樣；從數(shù)據(jù)庫讀取的數(shù)據(jù)，有時(shí)候是亂碼；日志文件里的中文顯示不正常。這些問題雖然看起來簡單，但如果不了解字符編碼的原理，可能會折騰很久。今天我們就來聊聊字符編碼問題的原因和解決方案。

問題背景

字符編碼問題是一個(gè)很常見但又容易被忽視的問題。不同的系統(tǒng)、不同的環(huán)境，默認(rèn)的字符編碼可能不一樣，這就導(dǎo)致了各種亂碼問題。

為什么會出現(xiàn)編碼問題

現(xiàn)在的計(jì)算機(jī)系統(tǒng)，底層都是使用二進(jìn)制來存儲數(shù)據(jù)的。但我們在屏幕上看到的文字，比如中文、英文、日文等，都是字符。要把字符轉(zhuǎn)換成二進(jìn)制存儲，就需要用到字符編碼。

常見的字符編碼：

• ASCII：最早的字符編碼，只能表示 128 個(gè)字符，主要是英文字母、數(shù)字和一些符號
• GBK/GB2312：中文編碼，Windows 系統(tǒng)默認(rèn)使用
• UTF-8：現(xiàn)在最流行的編碼，可以表示世界上所有的字符，跨平臺兼容性好

問題根源：

不同系統(tǒng)默認(rèn)的字符編碼不一樣：

• Windows 系統(tǒng)默認(rèn)使用 GBK 或 GB2312
• Linux 系統(tǒng)默認(rèn)使用 UTF-8
• Mac 系統(tǒng)默認(rèn)使用 UTF-8

如果你的代碼在 Windows 上開發(fā)（默認(rèn) GBK），但部署到 Linux 服務(wù)器上（默認(rèn) UTF-8），就可能出現(xiàn)亂碼問題。

常見的亂碼場景

在實(shí)際開發(fā)中，我們經(jīng)常會遇到這些亂碼場景：

場景一：文件讀取亂碼

從文件讀取數(shù)據(jù)時(shí)，如果文件的編碼和讀取時(shí)使用的編碼不一致，就會出現(xiàn)亂碼。比如文件是 UTF-8 編碼的，但用 GBK 編碼去讀取，中文就會變成亂碼。

場景二：數(shù)據(jù)庫存儲亂碼

數(shù)據(jù)庫的字符集設(shè)置不對，或者連接數(shù)據(jù)庫時(shí)沒有指定正確的字符集，存儲和讀取的數(shù)據(jù)就可能出現(xiàn)亂碼。

場景三：日志輸出亂碼

程序輸出的日志，如果控制臺的編碼設(shè)置不對，或者日志文件的編碼不對，中文日志就會顯示成亂碼。

場景四：網(wǎng)絡(luò)傳輸亂碼

不同系統(tǒng)之間通過網(wǎng)絡(luò)傳輸數(shù)據(jù)時(shí)，如果編碼不一致，接收到的數(shù)據(jù)可能就是亂碼。

解決方案一：統(tǒng)一使用 UTF-8

解決字符編碼問題最根本的方法，就是統(tǒng)一使用 UTF-8 編碼。UTF-8 是目前最流行的字符編碼，幾乎所有的現(xiàn)代系統(tǒng)都支持，而且可以表示世界上所有的字符。

為什么選擇 UTF-8

UTF-8 有很多優(yōu)點(diǎn)：

1. 兼容性好：幾乎所有的系統(tǒng)、瀏覽器、數(shù)據(jù)庫都支持 UTF-8
2. 國際化支持：可以表示世界上所有的字符，包括中文、日文、韓文、阿拉伯文等
3. 向后兼容：對于 ASCII 字符，UTF-8 編碼和 ASCII 編碼完全一樣
4. 變長編碼：英文字符只占 1 個(gè)字節(jié)，中文字符占 3 個(gè)字節(jié)，比較節(jié)省空間

如何在項(xiàng)目中統(tǒng)一使用 UTF-8

代碼文件編碼：

確保所有的源代碼文件都使用 UTF-8 編碼保存。在 IDE 中，可以設(shè)置默認(rèn)的文件編碼：

• IntelliJ IDEA：File → Settings → Editor → File Encodings，將 Project Encoding 和 Default encoding for properties files 都設(shè)置為 UTF-8
• Eclipse：Window → Preferences → General → Workspace，將 Text file encoding 設(shè)置為 UTF-8
• VS Code：在設(shè)置中搜索 “files.encoding”，設(shè)置為 UTF-8

配置文件編碼：

配置文件（如 properties、xml、json 等）也要使用 UTF-8 編碼。特別是 properties 文件，如果包含中文，必須使用 UTF-8 編碼，否則會出現(xiàn)亂碼。

資源文件編碼：

資源文件（如國際化文件、模板文件等）也要使用 UTF-8 編碼。

解決方案二：設(shè)置 JVM 參數(shù)

在 Java 項(xiàng)目中，JVM 的默認(rèn)字符編碼可能會影響程序的運(yùn)行。如果 JVM 的默認(rèn)編碼不是 UTF-8，可能會導(dǎo)致文件讀寫、網(wǎng)絡(luò)傳輸?shù)炔僮鞒霈F(xiàn)亂碼。

設(shè)置 JVM 參數(shù)

在啟動(dòng) Java 程序時(shí)，可以通過 JVM 參數(shù)來設(shè)置字符編碼：

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

這個(gè)參數(shù)會告訴 JVM，文件系統(tǒng)的默認(rèn)編碼是 UTF-8。

在 IDE 中設(shè)置

如果你在 IDE 中運(yùn)行程序，也需要設(shè)置 JVM 參數(shù)：

IntelliJ IDEA：

1. 點(diǎn)擊 Run → Edit Configurations
2. 選擇你的運(yùn)行配置
3. 在 VM options 中輸入：-Dfile.encoding=UTF-8
4. 點(diǎn)擊 Apply 和 OK

Eclipse：

1. 右鍵項(xiàng)目 → Run As → Run Configurations
2. 選擇你的運(yùn)行配置
3. 在 Arguments 標(biāo)簽頁的 VM arguments 中輸入：-Dfile.encoding=UTF-8
4. 點(diǎn)擊 Apply 和 Run

在代碼中設(shè)置

除了 JVM 參數(shù)，也可以在代碼中設(shè)置系統(tǒng)屬性：

System.setProperty("file.encoding", "UTF-8");

但這種方式不推薦，因?yàn)橛行┐a可能在設(shè)置之前就已經(jīng)讀取了系統(tǒng)屬性。

驗(yàn)證編碼設(shè)置

可以通過代碼來驗(yàn)證當(dāng)前的編碼設(shè)置：

System.out.println("默認(rèn)字符編碼: " + System.getProperty("file.encoding"));
System.out.println("控制臺編碼: " + System.getProperty("console.encoding"));

如果輸出不是 UTF-8，說明設(shè)置沒有生效。

解決方案三：數(shù)據(jù)庫字符集設(shè)置

數(shù)據(jù)庫的字符集設(shè)置也很重要，如果數(shù)據(jù)庫的字符集不對，存儲和讀取的數(shù)據(jù)就可能出現(xiàn)亂碼。

MySQL 字符集設(shè)置

創(chuàng)建數(shù)據(jù)庫時(shí)設(shè)置字符集：

CREATE DATABASE mydb 
DEFAULT CHARACTER SET utf8mb4 
DEFAULT COLLATE utf8mb4_unicode_ci;

utf8mb4 是 MySQL 中真正的 UTF-8 編碼，可以存儲所有的 Unicode 字符，包括 emoji 表情。而 MySQL 的 utf8 實(shí)際上只支持最多 3 字節(jié)的字符，不支持 emoji。

創(chuàng)建表時(shí)設(shè)置字符集：

CREATE TABLE users (
    id INT PRIMARY KEY,
    name VARCHAR(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci
) DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

修改現(xiàn)有數(shù)據(jù)庫字符集：

如果數(shù)據(jù)庫已經(jīng)創(chuàng)建，可以修改字符集：

ALTER DATABASE mydb CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
ALTER TABLE users CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

連接數(shù)據(jù)庫時(shí)設(shè)置字符集

在連接數(shù)據(jù)庫時(shí)，也要指定字符集：

JDBC 連接字符串：

String url = "jdbc:mysql://localhost:3306/mydb?useUnicode=true&characterEncoding=utf8&useSSL=false";

或者使用更完整的參數(shù)：

String url = "jdbc:mysql://localhost:3306/mydb?useUnicode=true&characterEncoding=utf8mb4&useSSL=false&serverTimezone=UTC";

Spring Boot 配置：

在 application.properties 或 application.yml 中配置：

spring.datasource.url=jdbc:mysql://localhost:3306/mydb?useUnicode=true&characterEncoding=utf8mb4&useSSL=false
spring.datasource.username=root
spring.datasource.password=password

或者：

spring:
  datasource:
    url: jdbc:mysql://localhost:3306/mydb?useUnicode=true&characterEncoding=utf8mb4&useSSL=false
    username: root
    password: password

其他數(shù)據(jù)庫的字符集設(shè)置

PostgreSQL：

PostgreSQL 默認(rèn)使用 UTF-8 編碼，創(chuàng)建數(shù)據(jù)庫時(shí)：

CREATE DATABASE mydb WITH ENCODING 'UTF8';

Oracle：

Oracle 數(shù)據(jù)庫的字符集在創(chuàng)建數(shù)據(jù)庫時(shí)設(shè)置，之后很難修改。建議在創(chuàng)建數(shù)據(jù)庫時(shí)就選擇 UTF-8 相關(guān)的字符集，如 AL32UTF8。

實(shí)際應(yīng)用場景

讓我們看看幾個(gè)實(shí)際應(yīng)用場景，了解如何在實(shí)際項(xiàng)目中應(yīng)用這些解決方案：

場景一：Web 應(yīng)用開發(fā)

在 Web 應(yīng)用中，需要處理前端的請求和響應(yīng)：

設(shè)置請求和響應(yīng)編碼：

在 Spring MVC 中，可以配置字符編碼過濾器：

@Configuration
public class WebConfig implements WebMvcConfigurer {
    @Bean
    public CharacterEncodingFilter characterEncodingFilter() {
        CharacterEncodingFilter filter = new CharacterEncodingFilter();
        filter.setEncoding("UTF-8");
        filter.setForceEncoding(true);
        return filter;
    }
}

或者在 web.xml 中配置：

<filter>
    <filter-name>characterEncodingFilter</filter-name>
    <filter-class>org.springframework.web.filter.CharacterEncodingFilter</filter-class>
    <init-param>
        <param-name>encoding</param-name>
        <param-value>UTF-8</param-value>
    </init-param>
    <init-param>
        <param-name>forceEncoding</param-name>
        <param-value>true</param-value>
    </init-param>
</filter>

場景二：文件讀寫

在讀寫文件時(shí)，要明確指定編碼：

讀取文件：

// 使用 UTF-8 編碼讀取文件
try (BufferedReader reader = new BufferedReader(
        new InputStreamReader(new FileInputStream("file.txt"), StandardCharsets.UTF_8))) {
    String line;
    while ((line = reader.readLine()) != null) {
        System.out.println(line);
    }
}

寫入文件：

// 使用 UTF-8 編碼寫入文件
try (BufferedWriter writer = new BufferedWriter(
        new OutputStreamWriter(new FileOutputStream("file.txt"), StandardCharsets.UTF_8))) {
    writer.write("中文內(nèi)容");
}

場景三：日志輸出

在輸出日志時(shí)，要確保日志文件的編碼正確：

Logback 配置：

<configuration>
    <appender name="FILE" class="ch.qos.logback.core.FileAppender">
        <file>app.log</file>
        <encoder>
            <charset>UTF-8</charset>
            <pattern>%d{yyyy-MM-dd HH:mm:ss} [%thread] %-5level %logger{36} - %msg%n</pattern>
        </encoder>
    </appender>
</configuration>

Log4j2 配置：

<Configuration>
    <Appenders>
        <File name="File" fileName="app.log">
            <PatternLayout pattern="%d{yyyy-MM-dd HH:mm:ss} [%t] %-5level %logger{36} - %msg%n" charset="UTF-8"/>
        </File>
    </Appenders>
</Configuration>

最佳實(shí)踐建議

在實(shí)際項(xiàng)目中，為了避免字符編碼問題，建議遵循以下最佳實(shí)踐：

統(tǒng)一編碼規(guī)范

1. 所有代碼文件使用 UTF-8 編碼：包括 Java 源文件、配置文件、資源文件等
2. 所有數(shù)據(jù)庫使用 UTF-8 字符集：MySQL 使用 utf8mb4，PostgreSQL 使用 UTF8
3. 所有網(wǎng)絡(luò)傳輸使用 UTF-8 編碼：HTTP 請求和響應(yīng)、消息隊(duì)列等
4. 所有日志文件使用 UTF-8 編碼：確保日志中的中文能正常顯示

明確指定編碼

在代碼中，凡是涉及字符編碼的地方，都要明確指定 UTF-8，不要依賴系統(tǒng)默認(rèn)編碼：

// 好的做法：明確指定編碼
String content = new String(bytes, StandardCharsets.UTF_8);

// 不好的做法：依賴默認(rèn)編碼
String content = new String(bytes);  // 可能在不同環(huán)境下表現(xiàn)不一致

驗(yàn)證編碼設(shè)置

在項(xiàng)目啟動(dòng)時(shí)，可以輸出當(dāng)前的編碼設(shè)置，方便排查問題：

@PostConstruct
public void checkEncoding() {
    System.out.println("file.encoding: " + System.getProperty("file.encoding"));
    System.out.println("Default Charset: " + Charset.defaultCharset());
}

測試不同環(huán)境

在部署到不同環(huán)境之前，要測試字符編碼是否正常：

1. 在 Windows 開發(fā)環(huán)境測試
2. 在 Linux 測試環(huán)境測試
3. 在 Linux 生產(chǎn)環(huán)境測試

確保在所有環(huán)境下，中文字符都能正常顯示。

總結(jié)

字符編碼問題雖然看起來簡單，但在實(shí)際項(xiàng)目中卻經(jīng)常遇到。解決這類問題的關(guān)鍵是統(tǒng)一使用 UTF-8 編碼，并在所有可能涉及編碼的地方明確指定。

關(guān)鍵點(diǎn)總結(jié)：

1. 統(tǒng)一使用 UTF-8：所有文件、數(shù)據(jù)庫、網(wǎng)絡(luò)傳輸都使用 UTF-8 編碼
2. 設(shè)置 JVM 參數(shù)：通過 -Dfile.encoding=UTF-8 設(shè)置 JVM 默認(rèn)編碼
3. 數(shù)據(jù)庫字符集：數(shù)據(jù)庫和表都使用 UTF-8 字符集，連接時(shí)也要指定字符集
4. 明確指定編碼：在代碼中，凡是涉及編碼的地方都要明確指定，不要依賴默認(rèn)值
5. 驗(yàn)證和測試：在不同環(huán)境下測試，確保編碼設(shè)置正確

最佳實(shí)踐：

1. 項(xiàng)目開始時(shí)就統(tǒng)一編碼規(guī)范
2. 在 IDE 中設(shè)置默認(rèn)編碼為 UTF-8
3. 在構(gòu)建腳本中設(shè)置 JVM 參數(shù)
4. 數(shù)據(jù)庫創(chuàng)建時(shí)就使用 UTF-8 字符集
5. 代碼中明確指定編碼，不要依賴默認(rèn)值

到此這篇關(guān)于Java實(shí)戰(zhàn)之字符編碼問題的幾種解決方案的文章就介紹到這了,更多相關(guān)Java字符編碼問題內(nèi)容請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！

最新評論