Java如何存储生僻字？

在Java中保存生僻字（如𠀀、𠮟、𡈽等Unicode扩展字符）的核心在于正确处理字符编码和存储流程,以下是详细解决方案：

生僻字保存原理

1. Unicode支持：生僻字通常位于Unicode的CJK扩展区（如B区、C区），需4字节表示（如U+20000）。
2. Java内部表示：Java使用UTF-16编码，生僻字会被拆分为代理对（Surrogate Pair）（两个char）。
3. 关键编码：必须使用支持4字节的编码格式（UTF-8/UTF-16）,避免使用GBK等仅支持2字节的编码。

保存生僻字的完整步骤

文件存储（UTF-8编码）

import java.io.*;
public class SaveRareCharacter {
    public static void main(String[] args) throws IOException {
        String rareChar = "𠮷"; // 生僻字示例（U+20BB7）
        // 写入文件（强制指定UTF-8）
        try (BufferedWriter writer = new BufferedWriter(
                new OutputStreamWriter(
                    new FileOutputStream("rare_chars.txt"), 
                    StandardCharsets.UTF_8))) {
            writer.write(rareChar);
        }
        // 读取验证
        try (BufferedReader reader = new BufferedReader(
                new InputStreamReader(
                    new FileInputStream("rare_chars.txt"), 
                    StandardCharsets.UTF_8))) {
            String readChar = reader.readLine();
            System.out.println("读取结果: " + readChar); // 应输出𠮷
        }
    }
}

数据库存储（MySQL示例）

import java.sql.*;
public class DatabaseSave {
    public static void main(String[] args) throws SQLException {
        String rareChar = "𡈽"; // 生僻字（U+2123D）
        // 关键配置：连接字符串指定UTF-8
        String url = "jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=UTF-8";
        try (Connection conn = DriverManager.getConnection(url, "user", "pass");
             PreparedStatement pstmt = conn.prepareStatement(
                 "INSERT INTO rare_chars (character) VALUES (?)")) {
            pstmt.setString(1, rareChar);
            pstmt.executeUpdate();
        }
        // 验证查询
        try (Connection conn = DriverManager.getConnection(url, "user", "pass");
             Statement stmt = conn.createStatement();
             ResultSet rs = stmt.executeQuery("SELECT character FROM rare_chars")) {
            while (rs.next()) {
                System.out.println("数据库读取: " + rs.getString(1));
            }
        }
    }
}

数据库配置要求：

• 表字段字符集：utf8mb4（MySQL必须）
• 排序规则：utf8mb4_unicode_ci

网络传输处理

// 发送方（明确指定Content-Type）
String rareChar = "𠀀";
byte[] bytes = rareChar.getBytes(StandardCharsets.UTF_8);
HttpURLConnection conn = (HttpURLConnection) url.openConnection();
conn.setRequestProperty("Content-Type", "text/plain; charset=UTF-8"); // 关键头信息
conn.getOutputStream().write(bytes);
// 接收方
InputStream input = conn.getInputStream();
String received = new String(input.readAllBytes(), StandardCharsets.UTF_8);

避坑指南

1. 乱码问题：

   • 根源：使用了不支持4字节的编码（如ISO-8859-1）
   • 解决方案：全程统一使用UTF-8

2. Java字符串长度误区：

   

   String s = "𠮷";
   System.out.println(s.length()); // 输出2（代理对长度）
   System.out.println(s.codePointCount(0, s.length())); // 输出1（实际字符数）

3. 文件BOM头问题：

   • 避免用FileWriter（无法指定编码），改用OutputStreamWriter
   • 不需要主动添加BOM，Java默认不写入BOM

4. 数据库乱码排查：

   SHOW CREATE TABLE rare_chars; -- 检查字段是否为utf8mb4
   SHOW VARIABLES LIKE 'character_set%'; -- 确认全局字符集

最佳实践

1. 环境统一：

   

   • 源码文件保存为UTF-8（编译器设置）
   • JVM参数：-Dfile.encoding=UTF-8
   • 数据库连接字符串显式声明UTF-8

2. 字符验证方法：

   String rareChar = "𠮷";
   int codePoint = rareChar.codePointAt(0);
   System.out.printf("U+%04X", codePoint); // 输出U+20BB7

3. 特殊场景处理：

   • 文件路径含生僻字：使用java.nio.file.Paths

     Path path = Paths.get("C:/生僻字目录𠮷");
     Files.createDirectories(path); // 安全创建目录

引用说明：

• Unicode标准文档：https://unicode.org
• Oracle官方字符编码指南：https://docs.oracle.com/javase/tutorial/i18n/text/string.html
• MySQL字符集配置：https://dev.mysql.com/doc/refman/8.0/en/charset-unicode-utf8mb4.html
• UTF-8编码规范：RFC 3629

通过统一使用UTF-8编码、配置正确的数据库字符集（utf8mb4）并避免中间环节的编码转换，可确保生僻字在Java应用中安全存储与传输，实际开发中需确保全链路（文件、DB、网络）字符集一致性。