有关网页乱码和编码等。。。的想法

1、编码是啥

（1）编码的发展史（推荐大家看‘网站编码详解’，不知道作者是谁，不过写的不错~我这里就直接粘了==||）

ANSI编码
其实在很久很久以前，有一群人，他们决定用8个可以开合的晶体管来组合成不同的状态，以表示世界上的万物。他们看到8 个开关状态是好的，于是他们把这称为“字节”。开始计算机只在美国用。八位的字节一共可以组合出256（2 的8 次方）种不同的状态。
他们把其中的编号从0 开始的32种状态分别规定了特殊的用途，一但终端、打印机遇上约定好的这些字节被传过来时，就要做一些约定的动作。遇上00×10，终端就换行，遇上0×07, 终端就向人们嘟嘟叫，例好遇上0×1b, 打印机就打印反白的字，或者终端就用彩色显示字母。他们看到这样很好，于是就把这些0×20以下的字节状态称为"控制码"。
他们又把所有的空格、标点符号、数字、大小写字母分别用连续的字节状态表示，一直编到了第127 号，这样计算机就可以用不同字节来存储英语的文字了。大家看到这样，都感觉很好，于是大家都把这个方案叫做 ANSI 的"Ascii"编码（American Standard Code for Information Interchange，美国信息互换标准代码）。当时世界上所有的计算机都用同样的ASCII方案来保存英文文字。

扩展ANSI编码

后来，就像建造巴比伦塔一样，世界各地的都开始使用计算机，但是很多国家用的不是英文，他们的字母里有许多是ASCII里没有的，为了可以在计算机保存他们的文字，他们决定采用127 号之后的空位来表示这些新的字母、符号，还加入了很多画表格时需要用下到的横线、竖线、交叉等形状，一直把序号编到了最后一个状态255。从128 到255 这一页的字符集被称“扩展字符集”。从此之后，贪婪的人类再没有新的状态可以用了，美国当时估计也没想到还有别的国家要用计算机的。

GB2312编码
当天朝人们得到计算机时，已经没有可以利用的字节状态来表示汉字，况且有6000多个常用汉字需要保存呢。天朝人民就不客气地把那些127 号之后的奇异符号们直接取消掉。

规定：一个小于127 的字符的意义与原来相同，但两个大于127 的字符连在一起时，就表示一个汉字，前面的一个字节（他称之为高字节）从0xA1 用到0xF7，后面一个字节（低字节）从0xA1到0xFE，这样我们就可以组合出大约7000 多个简体汉字了。在这些编码里，我们还把数学符号、罗马希腊的字母、日文的假名们都编进去了，连在
ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的“全角”字符，而原来在127 号以下的那些就叫"半角"字符了。于是就把这种汉字方案叫做“GB2312”。GB2312 是对 ASCII 的中文扩展。

GBK 和 GB18030编码

但是天朝的汉字太多了，我们很快就就发现有许多人的人名没有办法在这里打出来，特别是某些天朝领导的名字要是打不出很麻烦的。于是我们不得不继续把 GB2312 没有用到的码位找出来老实不客气地用上。后来还是不够用，于是干脆不再要求低字节一定是127 号之后的内码，只要第一个字节是大于127 就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容。结果扩展之后的编码方案被称为 GBK 标准，GBK 包括了 GB2312 的所有内容，同时又增加了近20000 个新的汉字（包括繁体字）和符号。后来少数民族也要用电脑了，于是我们再扩展，又加了几千个新的少数民族的字，GBK扩成了 GB18030。从此之后，天朝民族的文化就可以在计算机时代中传承了。在这个标准里，最大的特点是两字节长的汉字字符和一字节长的英文字符并存于同一套编码方案里，因此他们写的程序为了支持中文处理，必须要注意字串里的每一个字节的值，如果这个值是大于127 的，那么就认为一个双字节字符集里的字符出现了。那时候凡是受过编程学习的程序员都要每天念下面这个咒语数百遍的折磨：“一个汉字算两个英文字符！一个汉字算两个英文字符……”

UNICODE编码

因为当时各个国家都像天朝这样搞出一套自己的编码标准，结果互相之间谁也不懂谁的编码，谁也不支持别人的编码，连大陆和台湾这样只相隔了150海里，使用着同一种语言的兄弟地区，也分别采用了不同的编码方案：
当时的天朝人想让电脑显示汉字，就必须装上一个“汉字系统”。专门用来处理汉字的显示、输入的问题。但是那个装台湾的人士写的程序就必须加装另一套支持 BIG5 编码的“倚天汉字系统”才可以用，装错了字符系统，显示就会乱了套！这怎么办？而且世界民族中还有那些暂时用不上电脑的穷苦人民，他们的文字又怎么办？正在这时，天使及时出现了——一个叫 ISO （国际标谁化组织）的国际组织决定着手解决这个问题。他们采用的方法很简单：废了所有的地区性编码方案，重新搞一个包括了地球上所有文化、所有字母和符号的编码！他们打算叫它 UCS, 俗称 UNICODE 。（ Universal Multiple-Octet Coded Character Set ）在UNICODE 中，一个汉字算两个英文字符的时代已经快过去了。无论是半角的英文字母，还是全角的汉字，它们都是统一的“一个字符”！同时，也都是统一的“两个字节"”

UTF-8和UTF-16
UNICODE 来到时，一起到来的还有计算机网络的兴起，UNICODE 如何在网络上传输也是一个必须考虑的问题，于是面向传输的众多 UTF（UCS Transfer Format）标准出现了，顾名思义，UTF8 就是每次8 个位传输数据，而UTF16 就是每次16 个位，只不过为了传输时的可靠性，从UNICODE 到UTF时并不是直接的对应，而是要过一些算法和规则来转换。

未来的UCS-4
如前所述，UNICODE 是用两个字节来表示为一个字符，他总共可以组合出65535不同的字符，这大概已经可以覆盖世界上所有文化的符号。如果还不够也没有关系，ISO 已经准备了UCS-4 方案，说简单了就是四个字节来表示一个字符，这样我们就可以组合出21 亿个不同的字符出来（最高位有其他用途），这大概可以用到天朝成立银河联邦成立那一天吧！

编码知识进阶：

http://www.cnblogs.com/tao_/archive/2011/09/23/2186067.html

2、网页数据传输过程中编码的变化

同样，在这部分也推荐几篇文章

http://www.blogjava.net/caizh2009/articles/309193.html

http://wangsong76.iteye.com/blog/325880

以jsp为例：

PageEncoding 指的是JSP编写所使用的编码。ContentType 指定的是JSP页最终在Browser所见到的网页内容的编码。

从JSP文件一直到最终在Browser上显示的过程中编码的变化如下：

.jsp文件先被保存为某种编码的.jsp文件（我的理解就是文件的pageEncoding），然后tomcat根据pageEncoding读取并转化为servlet存为系统默认编码。然后会专为系统默认编码的.JAVA文件，用javac方法编译此文件之后生成的.class文件也会存为系统默认编码。

然后 tomcat（或者其他的application container）载入和执行刚刚的到的java二进制码，输出结果（也就是在Browser（客户端））见到的。这时，contentType会告诉浏览器页面是什么样的编码。

另外，pageEncoding和ContentType的预设都是ISO8859-1,对于Web容器来说，如果你不设置，默认是ISO8859-1

pageEncoding是.jsp文件本身编码，contentType里面的charset是指服务器吐出的内容的编码，也就是客户浏览器所得到的内容的编码。
.jsp文件不像.java，.java在被编译器读入的时候默认采用的是操作系统所设定的locale所对应的编码，比如中国大陆就是GBK，台湾就是BIG5或者MS950。而一般我们不管是在记事本还是在ue中写代码，如果没有经过特别转码的话，写出来的都是本地编码格式的内容。所以编译器采用的方法刚好可以让虚拟机得到正确的资料。
但是jsp文件不是这样，它没有这个默认转码过程，但是指定了pageEncoding就可以实现正确转码了。
举个例子:

1 2	<%@ page contentType="text/html;charset=utf-8" %> 你好吗？

大都会打印出乱码，因为我输入的“你好吗”是gbk的，但是服务器是否正确抓到“你好吗”不得而知。
但是如果更改为

1 2	<%@ page contentType="text/html;charset=utf-8" pageEncoding="GBK"%> 你好吗？

这样就服务器一定会是正确抓到“你好吗”了。 

在freemarker 模板中，也是需要设定文件本身编码（如何设置？），然后ftl会被模板引擎处理成输出流，输出流采用的编码可以通过Configuration类进行配置。

至于ftl中的Content-Type是连接类型，用于定义网络文件的类型和网页的编码，决定浏览以什么形式，什么编码读取这个文件。

3、针对一些乱码问题的解决

页面、java、数据库

我們在開發的時候, 使用的是utraEdit, 並且全都轉成了UTF-8的編碼
使用IE browsing 時,會自動以UTF-8的編碼來顯示
我們還會在jsp裡include html檔或jsp, jsp forward jsp.

現在, 全部都移到Windows時, 網頁只是單一jsp產生的, 就沒問題
若是jsp include html 或jsp , 則include的部份亂碼(html也是utf-8編碼的)
若是jsp include jsp , 則include的部份亂碼(jsp也是utf-8編碼的)

天啊..快瘋了..到底是怎樣啊..本以為UTF-8就搞定..... 

上面的那位.
如果你的網頁會有這樣的問題的話
記得把被include Jsp內的關於編碼內的設定拿掉就ok.
因為它是被重複編碼兩次
所以才會整個看的時候是亂碼.單獨看的時候就是ok.
這是我的之前遇到過的問題