Linux 預設編碼為 UTF-8,檔案系統實際儲存的是 UTF-8 位元組序列。Java 以 Unicode(UTF-16)內部表示字串,若直接以 file.getName() 取得檔名,JVM 會依據 file.encoding 系統屬性(通常為 UTF-8)解碼,理論上應正常。但若環境變數 LANG、LC_ALL 設定不一致,或 JVM 啟動參數 -Dfile.encoding=... 指定錯誤,即會出現「????」或亂碼。
// 錯誤:雙重編碼轉換,且原始位元組已非 GB2312
new String(file.getName().getBytes("GB2312"), "UTF-8")
file.getName() 已經是解碼後的 Java 字串(可能已錯誤),再 .getBytes("GB2312") 強制按 GB2312 編碼,再按 UTF-8 解碼,必然產生亂碼。
# 啟動參數指定
java -Dfile.encoding=UTF-8 -Dsun.jnu.encoding=UTF-8 MyApp
# 或在程式碼最早期設定(僅影響後續 new String(bytes, charset))
System.setProperty("file.encoding", "UTF-8");
System.setProperty("sun.jnu.encoding", "UTF-8");
Path dir = Paths.get("/path/to/dir");
try (DirectoryStream<Path> stream = Files.newDirectoryStream(dir)) {
for (Path entry : stream) {
// 直接取得正確解碼的檔名
String name = entry.getFileName().toString();
System.out.println(name);
}
}
Files.newDirectoryStream 內部使用 sun.jnu.encoding 解碼,配合正確啟動參數即可完美支援中文。
// 僅在確定檔案系統實際為 UTF-8,但 JVM file.encoding 錯誤時使用
String raw = file.getName(); // 已被錯誤解碼的字串
byte[] bytes = raw.getBytes("ISO-8859-1"); // 還原原始位元組(Latin-1 為 1:1 映射)
String fixed = new String(bytes, "UTF-8"); // 正確解碼
原理:ISO-8859-1 將字碼 0-255 直接對應位元組 0x00-0xFF,可作為「位元組還原器」。
ls -la | od -c | head -20 # 觀察原始位元組
# 或
python3 -c "import os; print([f.encode('utf-8') for f in os.listdir('.')])"
LANG=zh_TW.UTF-8、LC_ALL=zh_TW.UTF-8。-Dfile.encoding=UTF-8 -Dsun.jnu.encoding=UTF-8。java.nio.file.Files API,避免舊版 File.list()。徹底解決中文檔名亂碼的關鍵在於「環境一致性」:作業系統、終端機、JVM、應用程式四者編碼必須對齊。