多次编解码导致的的奇怪乱码问题

本文写于 12 年前（2013 年 12 月），部分内容可能已经过时。

今天遇到一个诡异的编码问题：我们这边一个客户端A调用某个网关B，网关调用某个服务C，服务C又调用服务D。结果发现收到的数据有中文乱码。但是这个乱码和用错编码的乱码很不同：大部分都是正确的，就是几个字符是乱码（基本都是’?’）。在A直接调用D，编码没有问题。说明A和D都是同一种编码（确定是utf-8编码）。那么就是中间的B和C编码出问题了。于是确定了一下B和C的编码，果然B是utf-8，C是GBK。C的编码与大家都不一致，所以会出现这个问题。

但是这里有个诡异的问题，就是在一个调用串中，即使每个调用方的编解码都是约定好的，只要这条调用串的编码不一致（而且是多字节编码方式的），就会出现乱码问题。看下面这个例子：

public class MultipleEncodingTest{

    public static void main(String[] args) throws UnsupportedEncodingException {
        String str = "广东5天内确诊第4例人感染H7N9病例";

        String encoding = "UTF-8";
        String intermediateEncoding = "GBK";

        System.out.println(str);

        // 发送前编码
        byte[] bs = str.getBytes(encoding);

        // 中间服务解码再編码
        str = new String(bs, intermediateEncoding);
        bs = str.getBytes(intermediateEncoding);

        // 接收端解码
        str = new String(bs, encoding);

        System.out.println(str);

    }
}    

打印结果：

广东5天内确诊第4例人感染H7N9病例
广东5天内确诊�?例人感染H7N9病例

如果把中间服务的编解码改成单字节的iso8859就不会有问题了：

String intermediateEncoding = "iso8859-1";


广东5天内确诊第4例人感染H7N9病例
广东5天内确诊第4例人感染H7N9病例

结论多次编解码，一定要保证整个链条中的每个节点都是同样的编码，或者中间节点采用单字节的编解码方式（如iso8859-1）。

这篇对你有用？

本文由 arganzheng 创作，采用 CC BY 4.0 许可协议。在保留原文作者、署名以及完整原文链接（https://arganzheng.life/multiple-encoding-problem.html）的前提下，欢迎各种形式的转载、翻译或商业引用。

COMMENTS

评论存放在 GitHub Discussions，用 GitHub 账号登录即可发表，支持 Markdown。想针对正文某句话说？选中那段文字，点浮出的「评论」即可划线评论；觉得哪里写错了，发表时勾上「同时提交 Issue」。有人回复你时 GitHub 会按你的通知设置发邮件，不用守在这里。

OUTLINE