雖然計算機(jī)對英文字符的支持非常不錯，我們也恨不得寫的程序只會處理英文的數(shù)據(jù)，但是昨為中國人，無可避免地要處理一些中文字符。當(dāng)很簡單的一件事情，遇到了中文，一切就不同了！本文就會講述實際生產(chǎn)環(huán)境中遇到的四個中文迷題，歡迎大家參與補(bǔ)充！

1、“我”講的其它機(jī)器聽不懂？

當(dāng)把一串中文字符，通過HTTP、TCP方式傳遞到另外一個系統(tǒng)時，會經(jīng)常驚奇地發(fā)現(xiàn)，在發(fā)送前還是好好的，但是收到后卻全壞了！怎么辦？下面提供幾種情況，對癥下藥：

(1)發(fā)送時使用的GET請求

要特別注意傳遞參數(shù)時，不要直接使用中文(如?key=熱情)，這基本就宣告了這個代碼在某個瀏覽器、某個機(jī)器上，對方收到的東西就是亂碼了。必須要對傳遞的參數(shù)進(jìn)行Url Encode，接受方再進(jìn)行Url Decode，取出來的數(shù)據(jù)基本就是OK的了。注：某些Java框架(如Spring)的RestTemplate會自動對GET方式的調(diào)用參與進(jìn)行Encode、Decode，你就可以不用再人工去做了。

(2)使用了byte傳遞數(shù)據(jù)

在使用MQ、原生Socket等場景下，有時要用byte傳遞數(shù)據(jù)。這時一定要對String的getBytes方法傳遞編碼參數(shù)，一般用"UTF-8"，且接收方則用new String(bytes, "UTF-8")來構(gòu)造字符串，不然也有亂碼風(fēng)險！建議對需要用byte傳遞數(shù)據(jù)的場景，盡量轉(zhuǎn)為Base64編碼的方式進(jìn)行傳遞，更方便去調(diào)試程序。

(3)設(shè)置運行環(huán)境編碼

如果你的系統(tǒng)默認(rèn)編碼未設(shè)置對，那么默認(rèn)的Java代碼運行環(huán)境也不對，所以一要在程序運行時對Java代碼運行環(huán)境進(jìn)行設(shè)置。以Linux Shell為例，在啟動應(yīng)用的shell里，增加

export LANG=en_US.UTF-8

這可以保證應(yīng)用在調(diào)用系統(tǒng)命令行時，運行環(huán)境是以UTF-8編碼的。另外如果是Tomcat，那么的腳本處也加上參數(shù)項：

-Dsun.jnu.encoding=UTF-8 -Dfile.encoding=UTF-8 -Duser.language=en -Duser.country=US

再修改tomcat默認(rèn)編碼(ISO-8859-1)方法，修改tomcat根目錄的conf下的server.xml,Connector元素添加URIEncoding="UTF-8"屬性：

這可以保證應(yīng)用的Java代碼的默認(rèn)運行是在UTF-8編碼基礎(chǔ)上的，如果需要通信的系統(tǒng)全設(shè)置為UTF-8，可以避免諸多編碼轉(zhuǎn)換！

2、瀏覽器不認(rèn)識“我”？

一般來說，瀏覽與應(yīng)用的交互就是GET、POST請求了，當(dāng)然還有PUT、DELETE請求，不過觸類旁通，不需要講太多。

POST請求的中文數(shù)據(jù)，經(jīng)常是可以正常在前后臺傳遞的，但是GET請求就沒那么幸運了，一定要記得進(jìn)行URL Encode與Decode，養(yǎng)成好的編碼習(xí)慣，減少后續(xù)調(diào)試代碼的難度與時間。

3、猜一猜“我”說的是什么？

在讀寫含中文文本的文件時，有時候也會讀出亂碼來，原因是因為程序的運行編碼永遠(yuǎn)只有默認(rèn)的一種的，那么如果不帶編碼參數(shù)地去讀取文件，由于文件編碼可能與程序編碼不同，最后讀出來的就是亂碼了。這個時候，就需要寫程序去“猜”文件的編碼了。

現(xiàn)在有許多開源的識別編碼的類庫可以直接使用，但是也并不全是ok的，常見的編碼能識別就好，像這些：UTF-8、GB2312、GBK、GB18030、UTF-16、US-ASCII、Big5、ISO-8859-1，遇到的概率非常大。我這里推薦幾個：EncodingDetecotr、jChardet。

在讀取到byte后，通過編碼識別再存為相應(yīng)的String，就可以得到正常的中文了。

4、聽說UTF-8還有BOM？

BOM，在UCS編碼中有一個叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的編碼是FEFF，這就是所謂的BOM頭了，它的UTF-8編碼是EF BB BF。在Windows系統(tǒng)上，默認(rèn)用記事本存儲為UTF-8格式，是有BOM的，但是Linux下卻是默認(rèn)無BOM的。缺了BOM的文件，經(jīng)常在Windows下就識別出現(xiàn)錯位、亂碼等問題。解決之道就是在讀取文件、byte的前幾個字節(jié)，如果無BOM就給它加上BOM。

1 /**

2 * 判斷文件是否有BOM3 *4 *@return

5 */

6 public static booleanhasBom(File file) {7 FileInputStream input = null;8 try{9 input = newFileInputStream(file);10 byte[] buf = new byte[1024];11 if ((input.read(buf, 0, 1024)) != -1) {12 if (buf[0] == (byte) 0xEF && buf[1] == (byte) 0xBB && buf[2] == (byte) 0xBF) {13 return true;14 }15 }16 return false;17 } catch(IOException e) {18 _logger.error(e);19 return true;20 } finally{21 if (input != null) {22 try{23 input.close();24 } catch(IOException e) {25 _logger.error("資源釋放失敗！", e);26 }27 }28 }29 }

如果無BOM，則在傳給Windows的地方或需要導(dǎo)出的地方這前先加上：new byte[] {(byte) 0xEF, (byte) 0xBB, (byte) 0xBF} 這些字節(jié)。

以上這些點如果注意了，常見的中文編碼問題就解決了，如果還有新的坑，博主會在此更新哈。

總結(jié)

以上是生活随笔為你收集整理的java处理中文字符_Java中文字符处理的四大迷题的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。