Java读取JSON字符串中非拉丁字符乱码问题求助

我的TXT文件里的一段JSON字符串，其中非拉丁字符显示为乱码（�����），原本应该是阿拉伯语或法语字符（如à、é等）。我尝试了以下代码：

data = new String(proc.getPrettyJSON().getBytes(), "UTF-8");

但结果还是乱码，JSON示例如下：

"PersonalDetails": {
        "BirthDate": "19960321",
        "FullName": "SMITH<<�����",
        "OtherNames": [
            "MARY<<����"
        ],  
    },

问题根源 #

你写的代码逻辑完全错误：proc.getPrettyJSON()本身已经是字符串，调用getBytes()时会使用当前JVM的默认编码将字符串转成字节数组，再用UTF-8转成新字符串，这相当于做了一次无效甚至反向的编码转换，只会让乱码更严重。

解决方法 #

1. 从源文件读取时指定正确编码
   如果JSON是从TXT文件读取的，直接在读取阶段就用对应编码（阿拉伯语常用Windows-1256，法语常用ISO-8859-1或UTF-8）加载，避免中途转码出错：

import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import java.nio.file.Paths;

// 示例：用Windows-1256编码读取文件
String jsonContent = new String(Files.readAllBytes(Paths.get("your-file.txt")), Charset.forName("Windows-1256"));
// 若为法语，可尝试ISO-8859-1
// String jsonContent = new String(Files.readAllBytes(Paths.get("your-file.txt")), StandardCharsets.ISO_8859_1);

2. 修复proc.getPrettyJSON()的编码问题
   如果proc.getPrettyJSON()是从字节流生成的字符串，要确认它内部是否用了正确编码。比如这个方法如果读取外部资源时用了默认编码，那拿到的字符串已经是乱码状态，后续转码无法恢复。此时需要修改该方法，让它在生成字符串时指定正确编码（比如UTF-8、Windows-1256）。

3. 反向转码恢复已乱码的字符串
   如果已经拿到了乱码的字符串，可以尝试将其按错误编码转回字节，再用正确编码重新解码：

String messedUpStr = proc.getPrettyJSON();
// 假设原字节是Windows-1256编码，却被用ISO-8859-1转成了字符串
String fixedStr = new String(messedUpStr.getBytes(StandardCharsets.ISO_8859_1), Charset.forName("Windows-1256"));
System.out.println(fixedStr);

可以多试几种编码组合，直到得到正确的字符。

内容的提问来源于stack exchange，提问作者m. gep