java 编码2

JAVA字符编码   
    
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”);

    

    =========================================================

JAVA内部究竟是用的什么字符编码呢？这个问题我也找了很久，后来在THINK   IN   JAVA   3rd的12章里看到一个例子出现了UTF-16BE，难道是它？   
                byte[]   utf_16be   =   name.getBytes( "utf-16be ");

                printbyte(utf_16be);

结果出来了：58   02      length   =   2
哈哈，I   got   it!不多不少两个字节，内容也一样。果然是它。同时我在里面也看到，UNICODE的编码还有一个LE，这里的BE,LE我想应该是bigendian和littleendian吧。

  ==========================================================

import   java.io.*;
                public   class   TestCodeIO   {
                                  public   static   void   main(String[]   args)   throws   Exception{
                                                    InputStreamReader   isr   =   new   InputStreamReader(System.in, "iso8859-1 ");
                                                                      //Create   an   InputStreamReader   that   uses   the   given   charset   decoder
                                                    BufferedReader   br   =   new   BufferedReader   (isr);
                                                    String   strLine   =   br.readLine();
                                                    br.close();
                                                    isr.close();
                                                    System.out.println(strLine);
                                                    System.out.println(new   String   (strLine.getBytes(), "iso8859-1 "));//错误改法
                                                                    //Encodes   this   String   (strLine)   into   a   sequence   of   bytes   using   the   platform 's   
                                                                      //default   charset(gb2312)   then   constructs   a   new   String   by   decoding   the   
                                                                   //specified   array   of   bytes   using   the   specified   charset   (iso8859-1)
                                                                   //because   this   String   (strLine)   uses   the   charset   decoder    "iso8859-1 ",so   it   can
                                                                   //only   be   encoded   by    "iso8859-1 ",cann 't   be   encoded   by   the   platform 's   default
                                                                   //charset    "gb2312 ",so   this   line   is   wrong.
                                                 System.out.println(new   String   (strLine.getBytes( "iso8859-1 ")));//正确改法
                                                              //Encodes   this   String   (strLine)   into   a   sequence   of   bytes   using   the   named   
                                                                //charset   (iso8859-1),then   constructs   a   new   String   by   decoding   the   
                                                                //specified   array   of   bytes   using   the   platform 's   default   charset   (gb2312).
                                                                //This   line   is   right.
                      }   
}

上面的英文注释已经说得很清楚了，这里我还是解释一下吧：

首先是错误的改法      System.out.println(new   String   (strLine.getBytes(), "iso8859-1 "));
这句代码是将strLine中的字符串用系统默认的编码方式（这里是gb2312）
转换为字节序列，然后用指定的编码方式（这里是iso8859-1）构造一个新的
String对象，并打印到屏幕上。
错误在哪里呢？

请注意这一段代码      
InputStreamReader   isr   =   new   InputStreamReader(System.in, "iso8859-1 ");
BufferedReader   br   =   new   BufferedReader   (isr);
String   strLine   =   br.readLine();
这里strLine存储的内容是用指定的编码方式（iso8859-1）存储的，而转换成字节码
的时候（这句代码strLine.getBytes()）却使用了系统默认的gb2312编码，所以当然就
输出乱码了！然后用gb2312编码的字节序列构建新的String对象的时候又使用了
iso8859-1编码，所以输出的乱码和System.out.println(strLine)有所不同。

至于正确的改法就不用详细说明了吧，首先将strLine用iso8859-1编码方式转换成字节
序列，然后用系统默认的编码方式（gb2312）构建新的String对象，然后打印输出。