Java 中 String 本身没有“默认编码”。String 内部使用 UTF-16 编码来存储字符。

这句话是理解所有问题的关键,下面我们来详细解释。

String 的内部表示：UTF-16

当你创建一个 Java String 对象时，String s = "你好";，JVM 会将这个字符串中的每个字符（char）都使用 UTF-16 编码格式存储在内存中。

• char 类型：Java 中的 char 是一个 16 位的无符号整数（U+0000 到 U+FFFF），它直接对应 UTF-16 编码中的一个“代码单元”（Code Unit）。

• 对于 BMP 字符：大多数常见的字符（包括所有英文字母、数字、中文、日文、韩文等）都在 Unicode 的“基本多语言平面”（Basic Multilingual Plane, BMP）内，这些字符的 Unicode 码点（Code Point）可以由一个 char（即一个 UTF-16 代码单元）完美表示。

  
  （图片来源网络，侵删）
  • 'A' 的码点是 U+0041，在 String 中就存储为一个 char 值 0x0041。
  • '你' 的码点是 U+4F60，在 String 中就存储为一个 char 值 0x4F60。

• 对于辅助平面字符（Supplementary Characters）：一些不常用的字符（如某些表情符号 、古文字等）的码点超出了 char 的 16 位范围（大于 U+FFFF），这些字符需要用一对 char（称为“代理对”，Surrogate Pair）来表示。

  • 的码点是 U+1F602，在 String 中，它会被存储为两个 char：0xD83D 和 0xDE02。

关键点：无论你从哪里得到这个字符串（从文件读取、从网络接收、在代码中硬编码），一旦它被转换成了 String 对象，它的内部表示就统一是 UTF-16 了，这个过程是隐式的，通常由 I/O 操作或编译器完成。

编码的“问题”出在 I/O 操作上

既然 String 内部是 UTF-16，那为什么我们还需要关心“编码”呢？因为编码问题不在于 String 的存储，而在于 String 与外部世界（字节数组 byte[]、文件、网络）的转换。

当需要将 String 写入文件或发送到网络时，JVM 必须将 UTF-16 的字符序列转换成一系列的字节（byte[]），这时，就需要选择一种字符编码方案（如 UTF-8, GBK, ISO-8859-1 等）来完成这个转换，反之，当从文件或网络读取字节流时，也需要知道它们是用哪种编码方案转换来的，才能正确地将其解码回 UTF-16 的 String。

编码转换的两个关键方法：

1. 编码：String.getBytes(Charset charset)

   • 作用：将 String（UTF-16）按照指定的 charset 编码成字节数组 byte[]。

   • 示例：

     String s = "Hello, 世界";
     // 使用 UTF-8 编码
     byte[] utf8Bytes = s.getBytes(StandardCharsets.UTF_8); // 推荐
     // 使用 GBK 编码（中文环境下常用）
     byte[] gbkBytes = s.getBytes("GBK"); // 需要处理 UnsupportedEncodingException
     // 使用平台默认编码（强烈不推荐！）
     byte[] defaultBytes = s.getBytes(); // 危险！

2. 解码：new String(byte[] bytes, Charset charset)

   • 作用：将字节数组 byte[] 按照指定的 charset 解码成 String（UTF-16）。

   • 示例：

     byte[] utf8Bytes = {(byte) 0xE4, (byte) 0xB8, (byte) 0xAD, (byte) 0xE6, (byte) 0x96, (byte) 0x87};
     // 使用 UTF-8 解码
     String s1 = new String(utf8Bytes, StandardCharsets.UTF_8); // s1 = "中文"
     // 使用错误的编码（如 ISO-8859-1）解码，会产生乱码
     String s2 = new String(utf8Bytes, StandardCharsets.ISO_8859_1); // s2 = "ä¸æ–‡"
     // 使用平台默认编码解码（危险！）
     String s3 = new String(utf8Bytes); // 结果取决于你运行程序的机器环境

什么是“平台默认编码”？

很多人说的“String 默认编码”其实是指平台默认编码，这个默认编码由 JVM 启动时操作系统的环境变量 file.encoding 决定。

• 如何查看你的平台默认编码？

  public class DefaultEncoding {
      public static void main(String[] args) {
          System.out.println("Default Charset: " + Charset.defaultCharset());
          System.out.println("file.encoding property: " + System.getProperty("file.encoding"));
      }
  }

  • 在 Windows (中文版) 系统上，它很可能是 GBK。
  • 在 macOS / Linux 系统上，它很可能是 UTF-8。

为什么 s.getBytes() 和 new String(bytes) 是危险的？

因为它们依赖于这个不可预测的“平台默认编码”，你在一台 Windows 机器上用 GBK 编码一个字符串，然后把这个 byte[] 发送到一台默认编码为 UTF-8 的 Linux 服务器上，服务器在用 new String() 解码时就会乱码。

永远不要使用 s.getBytes() 或 new String(bytes) 的无参版本！ 始终显式地指定 Charset。

最佳实践：始终显式指定编码

为了避免乱码和跨平台问题,你应该养成一个良好的习惯：在所有涉及编码转换的地方，都显式地指定一个标准、统一的编码。

首选推荐：StandardCharsets.UTF_8

UTF-8 是目前互联网上最通用的编码，它向后兼容 ASCII，并且能高效地表示所有 Unicode 字符，从 Java 7 开始，StandardCharsets 类提供了一些预定义的 Charset 常量，使用它们比使用 String 名称（如 "UTF-8"）更安全、更高效。

示例：读取文件

import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.io.IOException;
public class FileReaderExample {
    public static void main(String[] args) {
        String filePath = "my-file.txt";
        try {
            // 推荐：显式使用 UTF-8 读取文件内容
            String content = Files.readString(Paths.get(filePath), StandardCharsets.UTF_8);
            System.out.println(content);
            // 旧版方式（同样推荐）
            // String content = new String(Files.readAllBytes(Paths.get(filePath)), StandardCharsets.UTF_8);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

示例：写入文件

import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.io.IOException;
public class FileWriterExample {
    public static void main(String[] args) {
        String filePath = "my-file.txt";
        String content = "这是一段用 UTF-8 编码的文本。";
        try {
            // 推荐：显式使用 UTF-8 写入文件
            Files.writeString(Paths.get(filePath), content, StandardCharsets.UTF_8);
            System.out.println("文件写入成功！");
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}