Java如何存储生僻字？

在Java中保存生僻字需确保使用UTF-8编码：，1. 文件读写时指定StandardCharsets.UTF_8 ，2. 数据库连接字符串添加characterEncoding=UTF-8 ，3. 网页传输设置Content-Type: text/html;charset=UTF-8 ，4. 避免使用默认编码（如GBK），防止生僻字变成�乱码，字符串内部采用Unicode存储，关键在I/O时正确编解码。

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

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）。
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）。
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

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

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）

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

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