阿里云乱码从哪查起？终端、数据库和 OSS 下载的编码检查

在阿里云上做开发和运维，乱码几乎躲不开。同一段中文，在终端、数据库、对象存储和网页里可能显示成完全不同的样子。多数情况下，原因是某一环的编码声明和其他环节对不上。

一、乱码通常出在哪一环

文字很少在存储过程中自己损坏。更常见的是，一方按 UTF-8 写入，另一方按 GBK 或 ISO-8859-1 去读，字节自然对不上。排查时，先把数据经过的环节列出来，再逐个确认：

SSH 客户端：Xshell、SecureCRT 的会话编码是否设为 UTF-8。
服务器 locale：执行 locale，看 LANG 和 LC_* 变量是否指向 UTF-8 语言环境。
数据库：执行 SHOW VARIABLES LIKE 'character_set%'; 看服务端和连接的字符集，再检查应用的连接串有没有显式声明。
HTTP 响应头和页面：用 curl -I 看返回的 Content-Type 里有没有 charset。
文件本身：用 file -i 文件名 查看实际保存的编码。

二、案例一：ECS 终端里中文显示成问号

某电商团队在新购的 ECS 实例上运行部署脚本，日志里的中文全部变成问号。一开始他们怀疑程序写错了。实际排查后发现，系统 locale 被设成了 POSIX。部分程序会读取环境变量判断输出编码，于是输出异常。

处理方法是先用 echo $LANG 和 locale 查看当前设置，再用 locale -a 确认系统里已经生成了对应的语言环境。确认后，把 LANG 改为 en_US.UTF-8 或 zh_CN.UTF-8。如果列表里没有，需要先安装语言包再改。

客户端也要检查。Xshell、SecureCRT 需要在会话属性里把字符编码设为 UTF-8。否则服务器输出是正确的，屏幕上仍会显示异常，很容易被误判为服务器的问题。

三、案例二：数据库迁移后中文变成“æ¬¢è¿”

一家内容平台把旧库从自建 MySQL 迁移到阿里云 RDS，页面上的中文全部变成类似“æ¬¢è¿”的字符串。旧表使用 latin1 字符集存储，而 UTF-8 字节被当作 latin1 写入，数据在写入那一刻就已经错位。

这种情况下，直接修改表的字符集通常没用。库里的字节没有变，只是解释方式变了，再转一次码反而可能让数据更难恢复。修复前，先在旧库导出的文件里找几条中文，用 file -i 确认原始字节确实是 UTF-8。确认之后，再把数据按原始字节导出，在目标库中用 utf8mb4 重新导入。导入前后各抽样核对几条含中文的记录，逐条比对，不要只看前几行。

新库建议统一使用 utf8mb4。它能存中文，也能完整保存 emoji。应用侧的 JDBC 连接串同样要显式声明字符集，保证读写两端一致。

四、案例三：OSS 下载文件名出现乱码

某教育机构通过 OSS 分享课件，用户下载后文件名显示为一串乱码。这类问题多半出在响应头。HTTP 头部不直接放中文，所以文件名要先做 URL 编码，再通过 Content-Disposition 里的 filename* 参数声明为 UTF-8。以“课件.pdf”为例，写法是 filename*=UTF-8''%E8%AF%BE%E4%BB%B6.pdf。

较老的 IE 版本对 filename* 支持较弱，所以不少项目会同时保留普通的 filename 参数，兼顾旧浏览器。另一种情况是文件上传时名称就已经错了。这时在本地改好文件名后重新上传即可。OSS 中的对象不能直接改名，需要重新上传或复制成新对象。删除旧对象前，先确认外部链接已经不再依赖它。

五、案例四：网页在不同浏览器里表现不一致

一个企业官网部署到 ECS 后，部分页面中文正常，部分却是乱码。检查发现，HTML 文件本身保存为 UTF-8，但 Nginx 没有设置字符集。响应头返回的是默认编码，浏览器于是按另一种编码解析页面。

解决方法是在 Nginx 配置中加入 charset utf-8;，同时在页面头部添加 <meta charset="UTF-8">。两处最好保持一致。浏览器对编码的优先级是：响应头高于页面里的 meta。服务器头写错了，页面里的 meta 救不回来，所以只改页面不改服务器配置，效果有限。

六、排查顺序

用一段最简单的中文，例如“测试乱码”，在每一层单独测试，找出第一次出错的环节。
用 file -i 或编辑器检查文件编码。带 BOM 的 UTF-8 文件在某些程序里会多出不可见字符，遇到奇怪的前缀时先看这一点。
对照 SHOW VARIABLES、locale 和 curl -I 的输出，核对服务端、数据库和客户端三方的字符集。
修复后保留一份含中文的测试用例，比如一条数据库记录加一个中文文件名，放进发布检查清单，避免下次发布时再次出问题。

七、如何预防

乱码多半是因为缺少统一约定。团队可以在项目初期就把规则写进仓库和运维文档：源文件统一保存为 UTF-8，并在 .editorconfig 中固定 charset = utf-8；数据库创建时默认指定 utf8mb4；接口和页面统一声明 charset；部署文档里写明 locale 要求。规则写清楚，新成员才能照着做，不必每次靠经验补救。

阿里云环境里的字符集支持本身没有问题。多数乱码来自某一层配置没有对齐。从数据经过的第一个环节开始，逐层测试，通常能很快找到问题所在。