雖然計算機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據，但是昨為中國人，無可避免地要處理一些中文字符。當很簡單的一件事情，遇到了中文，一切就不同了！本文就會講述實際生產環境中遇到的四個中文迷題，歡迎大家參與補充！
1、“我”講的其它機器聽不懂？
當把一串中文字符，通過HTTP、TCP方式傳遞到另外一個系統時，會經常驚奇地發現，在發送前還是好好的，但是收到後卻全壞了！怎麼辦？下面提供幾種情況，對症下藥：
（1）發送時使用的GET請求
要特別注意傳遞參數時，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浏覽器、某個機器上，對方收到的東西就是亂碼了。必須要對傳遞的參數進行Url Encode，接受方再進行Url Decode，取出來的數據基本就是OK的了。注：某些Java框架（如Spring）的RestTemplate會自動對GET方式的調用參與進行Encode、Decode，你就可以不用再人工去做了。
（2）使用了byte傳遞數據
在使用MQ、原生Socket等場景下，有時要用byte傳遞數據。這時一定要對String的getBytes方法傳遞編碼參數，一般用"UTF-8"，且接收方則用new String(bytes, "UTF-8")來構造字符串，不然也有亂碼風險！建議對需要用byte傳遞數據的場景，盡量轉為Base64編碼的方式進行傳遞，更方便去調試程序。
（3）設置運行環境編碼
如果你的系統默認編碼未設置對，那麼默認的Java代碼運行環境也不對，所以一要在程序運行時對Java代碼運行環境進行設置。以Linux Shell為例，在啟動應用的shell裡，增加
export LANG=en_US.UTF-8
這可以保證應用在調用系統命令行時，運行環境是以UTF-8編碼的。另外如果是Tomcat，那麼的腳本處也加上參數項：
-Dsun.jnu.encoding=UTF-8 -Dfile.encoding=UTF-8 -Duser.language=en -Duser.country=US
這可以保證應用的Java代碼的默認運行是在UTF-8編碼基礎上的，如果需要通信的系統全設置為UTF-8，可以避免諸多編碼轉換！
2、浏覽器不認識“我”？
一般來說，浏覽與應用的交互就是GET、POST請求了，當然還有PUT、DELETE請求，不過觸類旁通，不需要講太多。
POST請求的中文數據，經常是可以正常在前後台傳遞的，但是GET請求就沒那麼幸運了，一定要記得進行URL Encode與Decode，養成好的編碼習慣，減少後續調試代碼的難度與時間。
3、猜一猜“我”說的是什麼？
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只有默認的一種的，那麼如果不帶編碼參數地去讀取文件，由於文件編碼可能與程序編碼不同，最後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。
現在有許多開源的識別編碼的類庫可以直接使用，但是也並不全是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。我這裡推薦幾個：EncodingDetecotr、jChardet。
在讀取到byte後，通過編碼識別再存為相應的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系統上，默認用記事本存儲為UTF-8格式，是有BOM的，但是Linux下卻是默認無BOM的。缺了BOM的文件，經常在Windows下就識別出現錯位、亂碼等問題。解決之道就是在讀取文件、byte的前幾個字節，如果無BOM就給它加上BOM。
1 /**
2 * 判斷文件是否有BOM
3 *
4 * @return
5 */
6 public static boolean hasBom(File file) {
7 FileInputStream input = null;
8 try {
9 input = new FileInputStream(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的地方或需要導出的地方這前先加上：new byte[] {(byte) 0xEF, (byte) 0xBB, (byte) 0xBF} 這些字節。
以上這些點如果注意了，常見的中文編碼問題就解決了。
