JAVA字符集编码备忘

最新推荐文章于 2025-06-16 23:26:42 发布

最新推荐文章于 2025-06-16 23:26:42 发布 · 126 阅读

文章标签：

#Java #Linux #网络应用 #浏览器 #Oracle

字符编码&URL 专栏收录该内容

8 篇文章

订阅专栏

iso-8859-1是JAVA网络传输使用的标准字符集,而gb2312是标准中文字符集,当你作出提交表单等需要网络传输的操作的时候,就需要把iso-8859-1转换为gb2312字符集显示,否则如果按浏览器的gb2312 格式来解释iso-8859-1字符集的话,由于2者不兼容,所以会是乱码.

------------------------------------------------------------------------------------------------------------------------------------------------

常用编码名称说明
ASCII 7位：与ascii7相同
ISO8859-1：与 8859_1,ISO-8859-1,ISO_8859-1等相同
GB2312-80 16位：与gb2312,gb2312-1980等相同
UTF8 与UTF-8相同
GBK ：注意：兼容GB2312

------------------------------------------------------------------------------------------------------------------------------------------------
ISO-8859-1：属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列，无法表示中文字符。

GB2312/GBK：这就是汉字的国标码，GBK提供了20902个汉字，专门用来表示汉字，是双字节编码，而英文字母和ISO8859-1一致（兼容ISO8859-1编码）。其中gbk编码能够用来同时表示繁体字和简体字，而GB2312只能表示简体字，GBK是兼容GB2312编码的。

unicode：这是最统一的编码，可以用来表示所有语言的字符，而且是定长双字节（也有四字节的）编码，包括英文字母在内。所以可以说它是不兼容ISO8859-1编码的，也不兼容任何编码。

UTF：考虑到unicode编码不兼容ISO8859-1编码，而且容易占用更多的空间：因为对于英文字母，unicode也需要两个字节来表示。所以unicode不便于传输和存储。因此而产生了utf编码，utf编码兼容iso8859-1编码，同时也可以用来表示所有语言的字符，不过，UTF编码是不定长编码，每一个字符的长度从1-6 个字节不等。另外，UTF编码自带简单的校验功能。一般来讲，英文字母都是用一个字节表示，而汉字使用三个字节。

注意，虽然说utf是为了使用更少的空间而使用的，但那只是相对于unicode编码来说，如果已经知道是汉字，则使用GB2312/GBK无疑是最节省的。不过另一方面，值得说明的是，虽然utf编码对汉字使用3个字节，但即使对于汉字网页，utf编码也会比unicode编码节省，因为网页中包含了很多的英文字符。

------------------------------------------------------------------------------------------------------------------------------------------------

对于浏览器的URL参数传递，通常使用UTF-8编码。
UTF-8编码：URLEncoder.encode(url, "UTF-8");
UTF-8解码：URLDecoder.decode(url, "UTF-8");

------------------------------------------------------------------------------------------------------------------------------------------------

XML文件读写同于文件读写，但应注意确保XML头中声明如<? xml version=”1.0” encoding=”gb2312” ?>与文件编码保持一致。

------------------------------------------------------------------------------------------------------------------------------------------------

1、对于JSP，确定头部加上 <%@ page contentType="text/html;charset=gb2312"%>这样的标签。
2、对于Servlet，确定设置setContentType (“text/html; charset=gb2312”)，以上两条用于使得输出汉字没有问题。
3、为输出HTML head中加一个 <meta http-equiv="Content-Type" content="text/html; charset=gb2312"> ，让浏览器正确确定HTML编码。

------------------------------------------------------------------------------------------------------------------------------------------------

Unicode与各编码之间的直接转换：

Unicode和GBK：每个汉字转换为两个字节，且是可逆的，即通过字节可以转换回字符串
Unicode和UTF-8：每个汉字转换为三个字节，且是可逆的，即通过字节可以转换回字符串
Unicode和ISO-8859-1：当存在汉字时转换失败，[color=red]非可逆[/color]，即通过字节不能再转换回字符串

String str = new String("中文字符");
String str1 = new String(str.getBytes("gb2312"),"gb2312");
String str2 = new String(str.getBytes("utf8"),"utf8");
String str3 = new String(str.getBytes("8859_1"),"8859_1");
System.out.println(str1);
System.out.println(str2);
System.out.println(str3);

输出结果：
[color=red]中文字符
中文字符
????[/color]

------------------------------------------------------------------------------------------------------------------------------------------------

linux默认编码

这里所说的linux默认编码，是指运行时的环境变量。两个重要的环境变量是LC_ALL和LANG，默认编码会影响到java URLEncode的行为，下面有描述。

建议都设置为"zh_CN.UTF-8"。

------------------------------------------------------------------------------------------------------------------------------------------------

Oracle数据库一般使用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”);

------------------------------------------------------------------------------------------------------------------------------------------------
。。。。。。。。。。。。。。。待添加。。。。。。。。。。。。。