java字符编码方式总结

java字符编码方式总结

一、概要
　　在JAVA应用程序特别是基于WEB的程序中，经常遇到字符的编码问题。为了防止出现乱码，首先需要了解JAVA是如何处理字符的，这样就可以有目的地在输入/输出环节中增加必要的转码。其次，由于各种服务器有不同的处理方式，还需要多做试验，确保使用中不出现乱码。
二、基本概念
2．1 JAVA中字符的表达
　　JAVA中有char、byte、String这几个概念。char 指的是一个UNICODE字符，为16位的整数。byte 是字节，字符串在网络传输或存储前需要转换为byte数组。在从网络接收或从存储设备读取后需要将byte数组转换成String。String是字符串，可以看成是由char组成的数组。String 和 char 为内存形式，byte是网络传输或存储的序列化形式。
举例：
英
String ying = “英”;
char ying = ying.charAt(0);
String yingHex = Integer.toHexString(ying);
82 F1 
byte yingGBBytes = ying.getBytes(“GBK”);
GB编码的字节数值
D3 A2 
2．2 编码方式的简介
　　String序列化成byte数组或反序列化时需要选择正确的编码方式。如果编码方式不正确，就会得到一些0x3F的值。常用的字符编码方式有ISO8859_1、GB2312、GBK、UTF-8/UTF-16/UTF-32。
ISO8859_1用来编码拉丁文，它由单字节（0－255）组成。
　　GB2312、GBK用来编码简体中文，它有单字节和双字节混合组成。最高位为1的字节和下一个字节构成一个汉字，最高位为0的字节是ASCII码。
　　UTF-8/UTF-16/UTF-32是国际标准UNICODE的编码方式。 用得最多的是UTF-8，主要是因为它在对拉丁文编码时节约空间。
UNICODE值 UTF-8编码
U-00000000 - U-0000007F: 0xxxxxxx
U-00000080 - U-000007FF: 110xxxxx 10xxxxxx 
U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx 
U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
三、J2SE中相关的函数
String str =”英”;
//取得GB2312编码的字节
byte[] bytesGB2312 = str.getBytes(“GB2312”); 
//取得平台缺省编码的字节(solaris为ISO8859_1,windows为GB2312)
byte[] bytesDefault = str.getBytes();
//用指定的编码将字节转换成字符串
String newStrGB = new String(bytesGB2312, “GB2312”);

//用平台缺省的编码将字节转换成字符串(solaris为ISO8859_1,windows为GB2312)
String newStrDefault = new String(bytesDefault);
//用指定的编码从字节流里面读取字符
InputStream in = xxx;
InputStreamReader reader = InputStreamReader( in, “GB2312”);
char aChar = reader.read();
四、JSP、数据库的编码
4．1 JSP中的编码
(1) 静态声明:
CHARSET有两个作用：
JSP文件的编码方式：在读取JSP文件、生成JAVA类时，源JSP文件中汉字的编码
JSP输出流的编码方式：在执行JSP时，往response流里面写入数据的编码方式
(2) 动态改变:在往response流里面写数据前可以调用response.setContentType()，设定正确的编码类型。
(3) 在TOMCAT中，由Request.getParameter() 得到的参数，编码方式都是ISO8859_1。所以如果在浏览器输入框内输入一个汉字“英”，在服务器端就得到一个ISO8859_1编码的（0x00,0xD3,0x00,0xA2）。所以通常在接收参数时转码：
String wrongStr = response.getParameter(“name”);
String correctStr = new String(wrongStr.getBytes(“ISO8859_1”),”GB2312”);
在最新的SERVLET规范里面，也可以在获取参数之前执行如下代码：
request.setCharacterEncoding(“GB2312”);
4．2 数据库的编码
(1) 数据库使用UTF-16
如果String中是UNICODE字符，写入读出时不需要转码
(2) 数据库使用ISO8859_1
如果String中是UNICODE字符，写入读出时需要转码
写入：String newStr = new String(oldStr.getByte(“GB2312”), “ISO8859_1”);
读出：String newStr = new String(oldStr.getByte(“ISO8859_1”),”GB2312”);
五、源文件的编码
5．1 资源文件
资源文件的编码方式和编辑平台相关。在WINDOWS平台下编写的资源文件，以GB2312方式编码。在编译时需要转码，以确保在各个平台上的正确性：
native2ascii –encoding GB2312 source.properties
这样从资源文件中读出的就是正确的UNICODE字符串。
5．2 源文件
源文件的编码方式和编辑平台相关。在WINDOWS平台下开发的源文件，以GB2312方式编码。在编译的时候，需要指定源文件的编码方式：
javac –encoding GB2312
JAVA编译后生成的字节文件的编码为UTF-8。


①最新版TOMCAT4.1.18支持request.setCharacterEncoding(String enc)
②资源文件转码成company.name=\u82f1\u65af\u514b
③如果数据库使用utf-16则不需要这部分转码
④页面上应有
转码ⅰ:
String s = new String
(request.getParameter(“name”).getBytes(“ISO8859_1”),”GB2312”);
转码ⅱ:
String s = new String(name.getBytes(“GB2312”),”ISO8859_1”);
转码ⅲ:
String s = new String(name.getBytes(“ISO8859_1”),” GB2312”);
一、关键技术点：
1、当前流行的字符编码格式有：US-ASCII、ISO-8859-1、UTF-8、UTF-16BE、UTF-16LE、UTF-16、GBK、GB2312等，其中GBK、GB2312是专门处理中文编码的。
2、String的getBytes方法用于按指定编码获取字符串的字节数组，参数指定了解码格式，如果没有指定解码格式，则按系统默认编码格式。
3、String的“String(bytes[] bs, String charset)”构造方法用于把字节数组按指定的格式组合成一个字符串对象


二、实例演示： 


package book.String;
import java.io.UnsupportedEncodingException;
/** *//**
* 转换字符串的编码
* @author joe
*
*/
public class ChangeCharset ...{
/** *//** 7位ASCII字符，也叫作ISO646-US、Unicode字符集的基本拉丁块    */
public static final String US_ASCII = "US-ASCII";
/** *//** ISO拉丁字母表 No.1，也叫做ISO-LATIN-1     */
public static final String ISO_8859_1 = "ISO-8859-1";
/** *//** 8 位 UCS 转换格式     */
public static final String UTF_8 = "UTF-8";
/** *//** 16 位 UCS 转换格式，Big Endian(最低地址存放高位字节）字节顺序     */
public static final String UTF_16BE = "UTF-16BE";
/** *//** 16 位 UCS 转换格式，Litter Endian（最高地址存放地位字节）字节顺序     */
public static final String UTF_16LE = "UTF-16LE";
/** *//** 16 位 UCS 转换格式，字节顺序由可选的字节顺序标记来标识     */
public static final String UTF_16 = "UTF-16";
/** *//** 中文超大字符集     **/
public static final String GBK = "GBK";

public static final String GB2312 = "GB2312";

/** *//** 将字符编码转换成US-ASCII码     */
public String toASCII(String str) throws UnsupportedEncodingException ...{
       return this.changeCharset(str, US_ASCII);
}

/** *//** 将字符编码转换成ISO-8859-1     */
public String toISO_8859_1(String str) throws UnsupportedEncodingException ...{
       return this.changeCharset(str, ISO_8859_1);
}

/** *//** 将字符编码转换成UTF-8     */
public String toUTF_8(String str) throws UnsupportedEncodingException ...{
       return this.changeCharset(str, UTF_8);
}

/** *//** 将字符编码转换成UTF-16BE     */
public String toUTF_16BE(String str) throws UnsupportedEncodingException...{
       return this.changeCharset(str, UTF_16BE);
}

/** *//** 将字符编码转换成UTF-16LE     */
public String toUTF_16LE(String str) throws UnsupportedEncodingException ...{
       return this.changeCharset(str, UTF_16LE);
}

/** *//** 将字符编码转换成UTF-16     */
public String toUTF_16(String str) throws UnsupportedEncodingException ...{
       return this.changeCharset(str, UTF_16);
}

/** *//** 将字符编码转换成GBK     */
public String toGBK(String str) throws UnsupportedEncodingException ...{
       return this.changeCharset(str, GBK);
}

/** *//** 将字符编码转换成GB2312     */
public String toGB2312(String str) throws UnsupportedEncodingException ...{
       return this.changeCharset(str,GB2312);
}

/** *//**
    * 字符串编码转换的实现方法
    * @param str 待转换的字符串
    * @param newCharset 目标编码
    */
public String changeCharset(String str, String newCharset) throws UnsupportedEncodingException ...{
       if(str != null) ...{
         //用默认字符编码解码字符串。与系统相关，中文windows默认为GB2312
         byte[] bs = str.getBytes();
         return new String(bs, newCharset); //用新的字符编码生成字符串
       }
       return null;
}

/** *//**
    * 字符串编码转换的实现方法
    * @param str 待转换的字符串
    * @param oldCharset 源字符集
    * @param newCharset 目标字符集
    */
public String changeCharset(String str, String oldCharset, String newCharset) throws UnsupportedEncodingException ...{
       if(str != null) ...{
         //用源字符编码解码字符串
         byte[] bs = str.getBytes(oldCharset);
         return new String(bs, newCharset);
       }
       return null;
}

public static void main(String[] args) throws UnsupportedEncodingException ...{
       ChangeCharset test = new ChangeCharset();
       String str = "This is a 中文的 String!";
       System.out.println("str：" + str);
      
       String gbk = test.toGBK(str);
       System.out.println("转换成GBK码：" + gbk);
       System.out.println();
      
       String ascii = test.toASCII(str);
       System.out.println("转换成US-ASCII：" + ascii);
       System.out.println();
      
       String iso88591 = test.toISO_8859_1(str);
       System.out.println("转换成ISO-8859-1码：" + iso88591);
       System.out.println();
      
       gbk = test.changeCharset(iso88591, ISO_8859_1, GBK);
       System.out.println("再把ISO-8859-1码的字符串转换成GBK码：" + gbk);
       System.out.println();
      
       String utf8 = test.toUTF_8(str);
       System.out.println();
       System.out.println("转换成UTF-8码：" + utf8);
       String utf16be = test.toUTF_16BE(str);
       System.out.println("转换成UTF-16BE码：" + utf16be);
       gbk = test.changeCharset(utf16be, UTF_16BE, GBK);
       System.out.println("再把UTF-16BE编码的字符转换成GBK码：" + gbk);
       System.out.println();
      
       String utf16le = test.toUTF_16LE(str);
       System.out.println("转换成UTF-16LE码：" + utf16le);
       gbk = test.changeCharset(utf16le, UTF_16LE, GBK);
       System.out.println("再把UTF-16LE编码的字符串转换成GBK码：" + gbk);
       System.out.println();
      
       String utf16 = test.toUTF_16(str);
       System.out.println("转换成UTF-16码：" + utf16);
       String gb2312 = test.changeCharset(utf16, UTF_16, GB2312);
       System.out.println("再把UTF-16编码的字符串转换成GB2312码：" + gb2312);
}
} 
文章出处：http://www.diybl.com/course/3_program/java/javaxl/20071126/87571.html