如何解决Java UNO API操作LibreOffice的字符串编码乱码问题？

我用Java基于LibreOffice UNO API开发应用，插入Unicode西里尔文文本时出现乱码，看起来LibreOffice把UTF-8转成了单字节编码（我的场景是CP1251）。

代码示例：

import com.sun.star.beans.PropertyValue;
import com.sun.star.comp.helper.BootstrapException;
import com.sun.star.io.IOException;
import com.sun.star.text.*;
import com.sun.star.frame.*;
import com.sun.star.uno.*;
import com.sun.star.lang.*;
import com.sun.star.comp.helper.Bootstrap;

import static com.sun.star.text.ControlCharacter.PARAGRAPH_BREAK;

public class Application {
    private XTextDocument xDoc;

    public static void main(String[] args) throws java.lang.Exception {
        XComponentContext xContext = Bootstrap.bootstrap();
                XMultiComponentFactory xMCF = xContext.getServiceManager();
        Object oDesktop = xMCF.createInstanceWithContext(
                        "com.sun.star.frame.Desktop", xContext);
                
                XDesktop xDesktop = UnoRuntime.queryInterface(XDesktop.class, oDesktop);
        XComponentLoader xCompLoader = UnoRuntime
                .queryInterface(XComponentLoader.class, xDesktop);

        PropertyValue[] props = new PropertyValue[0];
                XComponent xComp = xCompLoader.loadComponentFromURL("private:factory/swriter", "_blank", 0, props);
        XTextDocument xDoc = UnoRuntime.queryInterface(XTextDocument.class, xComp);
                XText xText = xDoc.getText();
                XTextCursor xCursor = xText.createTextCursorByRange(xText.getStart());
                xText.insertString(xCursor, "Съешь же ещё этих мягких французских булочек да выпей чаю.", false);
    }
}

执行结果：插入的西里尔文显示为乱码（表现为CP1251无法解析UTF-8字符的错乱样式）

我猜测问题出在目标文档的编码配置，但不知道该在哪里设置。

解决方法 #

1. 创建文档时指定UTF-8编码 #

在加载Writer文档的PropertyValue数组中添加编码配置，强制文档使用UTF-8：

// 修改props数组，添加编码属性
PropertyValue[] props = new PropertyValue[1];
props[0] = new PropertyValue();
props[0].Name = "CharacterSet";
props[0].Value = "UTF-8";

这样创建文档时会明确以UTF-8编码处理文本，避免LibreOffice默认使用系统单字节编码（如CP1251）转换内容。

2. 统一JVM与LibreOffice环境编码 #

• 启动Java程序时添加参数，确保JVM默认编码为UTF-8：

  -Dfile.encoding=UTF-8
  

• 检查LibreOffice全局设置：打开Writer，依次点击工具 -> 选项 -> 语言设置 -> 语言，确认默认编码为UTF-8，同时启用亚洲语言支持与复杂文本布局。

3. 显式保证字符串编码正确性（备选） #

若上述方法无效，可在Java端强制确认字符串的UTF-8编码：

String cyrillicText = "Съешь же ещё этих мягких французских булочек да выпей чаю.";
byte[] utf8Bytes = cyrillicText.getBytes("UTF-8");
String correctText = new String(utf8Bytes, "UTF-8");
xText.insertString(xCursor, correctText, false);

此步骤主要确保Java端字符串编码无误，核心解决方案仍需依赖文档编码设置。

原理说明 #

LibreOffice UNO API默认会跟随系统区域设置使用单字节编码（如Windows下的CP1251），而Java字符串默认是UTF-16编码，两者编码不匹配就会导致乱码。通过显式指定文档的CharacterSet属性，让LibreOffice以UTF-8解析插入的Unicode文本，即可解决编码转换错误问题。

内容的提问来源于stack exchange，提问作者Данила Кондратенко