Java中非拉丁字符Unicode/UTF-8编码不匹配问题求助

为什么中文“太”会变成“太”？ #

这是典型的编码解码不匹配导致的乱码：
中文“太”的UTF-8编码是三个字节：0xE5 0xA4 0xAA。当这些字节被错误地用Latin-1（ISO-8859-1）编码解码时，每个字节会被直接映射到对应的Unicode字符：0xE5对应å，0xA4对应¤，0xAA对应ª——这就是你看到的乱码结果。

IntelliJ编码设置是否有误？ #

很大概率是本地IntelliJ的编码配置和生产环境不一致导致的，建议检查以下几个关键配置：

• 项目全局编码：打开File > Settings > Editor > File Encodings，确保Project Encoding、Default encoding for properties files都设置为UTF-8，同时勾选Transparent native-to-ascii conversion（如果涉及.properties文件的话）。
• 控制台编码：同样在File Encodings页面，确认Console Encoding为UTF-8；另外可以在Run/Debug配置的Environment variables中添加JAVA_TOOL_OPTIONS=-Dfile.encoding=UTF-8，强制Java进程使用UTF-8编码。
• 单个文件编码：右键相关Java文件，选择File Encoding，确保文件本身是UTF-8编码（避免文件保存时用了其他编码）。

如何将UTF-8字节以Latin-1字符的形式转换为Character？ #

本质是把UTF-8字节数组的每个字节，按Latin-1编码规则映射为对应的Unicode字符。Java中可以这样实现：

import java.nio.charset.StandardCharsets;

public class EncodingDemo {
    public static void main(String[] args) {
        // 获取“太”的UTF-8字节数组
        byte[] utf8Bytes = "太".getBytes(StandardCharsets.UTF_8);
        
        // 将UTF-8字节按Latin-1解码为字符数组
        char[] latin1Chars = new String(utf8Bytes, StandardCharsets.ISO_8859_1).toCharArray();
        
        // 输出结果就是['å', '¤', 'ª']
        for (char c : latin1Chars) {
            System.out.print(c);
        }
    }
}

注意：Latin-1的编码范围是0-255，刚好覆盖UTF-8字节的取值范围，所以每个UTF-8字节都能直接对应到一个Latin-1字符。

如果需要反向还原（把乱码的“太”转回“太”），可以用同样的编码逻辑反向操作：

String garbledText = "太";
byte[] latin1Bytes = garbledText.getBytes(StandardCharsets.ISO_8859_1);
String originalText = new String(latin1Bytes, StandardCharsets.UTF_8);
System.out.println(originalText); // 输出“太”

本地与生产环境差异的补充说明 #

生产环境正常大概率是因为生产服务器已经全局配置了UTF-8编码（比如系统默认编码、Java启动参数指定了-Dfile.encoding=UTF-8），而本地IntelliJ没有做对应的配置，导致某个环节强制使用了Latin-1解码非拉丁字符。

内容的提问来源于stack exchange，提问作者user3861559