String newStr = new Bytes(), "UTF-8");   
java中的String类是按照unicode进行编码的，当使用String(byte[] bytes, String encoding)构造字符串时，encoding所指的是bytes中的数据是按照那种方式编码的，而不是最后产生的String是什么编码方式，换句话说，是让系统把bytes中的数据由encoding编码方式转换成unicode编码。如果不指明，bytes的编码方式将由jdk根据操作系统决定。   
当我们从文件中读数据时，最好使用InputStream方式，然后采用String(byte[] bytes, String encoding)指明文件的编码方式。不要使用Reader方式，因为Reader方式会自动根据jdk指明的编码方式把文件内容转换成unicode 编码。   
当我们从数据库中读文本数据时，采用Bytes()方法取得字节数组，同样采用带编码方式的字符串构造方法即可。   
ResultSet rs;   
bytep[] bytes = rs.getBytes();   
String str = new String(bytes, "gb2312");   
不要采取下面的步骤。   
ResultSet rs;   
String str = rs.getString();   
str = new Bytes("iso8859-1"), "gb2312");   
这种编码转换方式效率底。之所以这么做的原因是，ResultSet在getString()方法执行时，默认数据库里的数据编码方式为 iso8859-1。系统会把数据依照iso8859-1的编码方式转换成unicode。使用Bytes("iso8859-1")把数据还原，然后利用new String(bytes, "gb2312")把数据从gb2312转换成unicode，中间多了好多步骤。   
从HttpRequest中读参数时，利用reqeust.setCharacterEncoding()方法设置编码方式，读出的内容就是正确的了。 
先说Java。   
JVM里面的任何字符串资源都是Unicode，就是说，任何String类型的数据都是Unicode编码。没有例外。既然只有一种编码，那么，我们可以这么说，JVM里面的String是不带编码的。String相当于  char[]。   
JVM里面的  byte[]  数据是带编码的。比如，Big5，GBK，GB2312，UTF-8之类的。   
一个GBK编码的byte[]  转换成  String，其实就是从GBK编码向Unicode编码转换。   
一个String转换成一个Big5编码的byte[]，其实就是从Unicode编码向Big5编码转换。   
所以，Unicode是所有编码转换的中间介质。所有的编码都有一个转换器可以转换到Unicode，而Unicode也可以转换到其他所有的编码。这样构成了一个总线结构。   
比如，如果总共有10种编码，那么只需要  10  +  10  =  20个转换器就够了。如果要是两两直接转换，那么，需要的转换器数量是一个组合数字，需要90个转换器。 
一个系统的不同部分，都有自己的编码。比如，数据库，文件，JVM，浏览器这4个部分。   
在这些部分之间数据交换的地方，就会出现编码问
题。比如，数据库和JVM之间，文件和JVM之间，浏览器和JVM之间。这些问题的原理都是相通的。 
编码问题最容易处理的地方是文件和JVM之间。文件IO  API带有encoding  参数，请自行查阅。   
最不容易出现编码问题的地方是数据库和JVM之间。这应该是数据库JDBC连接的基本功能。本文不专门进行讨论。   
最容易出问题的地方是浏览器和服务器JVM之间（其实，代码里面的字符串更容易出问题，不过，我已经事先声明，本文不讨论代码中的字符串编码）。下面主要讨论这块浏览器和服务器JVM之间的编码问题。 
我们把浏览器编码叫做  Browser_Charset，把JVM编码叫做JVM_Charset（通常等于服务器系统编码）。   
当浏览器的数据过来的时候，是一个带有Browser_Charset的byte[]。   
如果用户处理程序需要一个String类型的数据，那么JVM会好心好意地把这个byte[]转换成String。使用的转换器是  JVM_Charset  ->  Unicode。   
注意，如果这个时候，Browser_Charset  和  JVM_Charset并不相等。那么，这个自动转换是错误的。   
为了弥补这个错误。我们需要做两步工作。   
(1)  Unicode  ->  JVM_Charset，把这个String  转换回到原来的  byte[]。   
(2)  Browser_Charset  ->  Unicode，把这个还原的byte[]转换成  String。 
这个效果，和直接从HTTP  Request取得byte[]，然后执行  (2)  Browser_Charset  ->  Unicode  的效果是一样的。 
如果在Request里面设置了CharacterEncoding，那么POST  Data参数就不需要自己手工转换了，web  server的自动转换就是正确的。URL的参数编码还涉及到URL编码，需要考虑的问题多一些，没有这么简单。 
JVM把数据发到浏览器的时候。也需要考虑编码问题。可以在Response里面设置。另外，HTML  Meta  Header里面也可以设置编码，提醒Browser选择正确编码。 
有些语言的VM或者解释器的字符串编码可能不同。比如，Ruby。不过，编码转换原理都是一样的。 
That  is  all. 
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  =  HexString(ying); 
82  F1   
byte  yingGBBytes  =  Bytes(“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  =  Bytes(“GB2312”);   
/
/取得平台缺省编码的字节(solaris为ISO8859_1,windows为GB2312) 
byte[]  bytesDefault  =  Bytes(); 
//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  =  ad(); 
四、JSP、数据库的编码 
4．1  JSP中的编码 
(1)  静态声明: 
java语言使用的字符码集是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Parameter()  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  =  Parameter(“name”); 
String  correctStr  =  new  Bytes(“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  Byte(“GB2312”),  “ISO8859_1”); 
读出：String  newStr  =  new  Byte(“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=u82f1u65afu514b 
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?: 
String  s  =  new  String 
(Parameter(“name”).getBytes(“ISO8859_1”),”GB2312”); 
转码?: 
String  s  =  new  Bytes(“GB2312”),”ISO8859_1”); 
转码?: 
String  s  =  new  Bytes(“ISO8859_1”),”  GB2312”); 
========================================================= 
JAVA内部究竟是用的什么字符编码呢？这个问题我也了很久，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  =  Bytes("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,"iso
8859-1"); 
//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  (Bytes(),"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  (Bytes("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  (Bytes(),"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Bytes()）却使用了系统默认的gb2312编码，所以当然就 
输

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。