Java各种中⽂乱码问题及解决⽅案
问题的根源
Java的内核和class⽂件是基于unicode的，这使Java程序具有良好的跨平台性，但也带来了⼀些中⽂乱码问题的⿇烦。原因主要有两⽅⾯，Java和JSP⽂件本⾝编译时产⽣的乱码问题和Java程序于其他媒介交互产⽣的乱码问题。
  ⾸先Java（包括JSP）源⽂件中很可能包含有中⽂，⽽Java和JSP源⽂件的保存⽅式是基于字节流的，如果Java和JSP编译成 class⽂件过程中，使⽤的编码⽅式与源⽂件的编码不⼀致，就会出现乱码。基于这种乱码，建议在Java⽂件中尽量不要写中⽂（注释部分不参与编译，写中⽂没关系），如果必须写的话，尽量⼿动带参数－encoding GBK或－encoding gb2312编译；对于JSP，在⽂件头加上或基本上就能解决这类乱码问题。
问题的种类
即Java程序与其他存储媒介交互时产⽣的乱码。很多存储媒介，如数据库，⽂件，流等的存储⽅式都是基于字节流的，Java程序与这些媒介交互时就会发⽣字符(char)与字节(byte)之间的转换，具体情况如下：
（1）从页⾯form提交数据到java程序 byte－>char
（2）从java程序到页⾯显⽰ char-->byte
（3）从数据库到java程序 byte-->char
（4）从java程序到数据库 char-->byte
（5）从⽂件到java程序 byte－>char
（6）从java程序到⽂件 char－>byte
如果在以上转换过程中使⽤的编码⽅式与字节原有的编码不⼀致，很可能就会出现乱码。
基础——了解字符集
（1）ASCII
ASCII码是7位编码，编码范围是0x00-0x7F。ASCII字符集包括英⽂字母、阿拉伯数字和标点符号等字符。其中0x00-0x20和0x7F共33个控制字符。
只⽀持ASCII码的系统会忽略每个字节的最⾼位，只认为低7位是有效位。HZ字符编码就是早期为了在只⽀持7位ASCII系统中传输中⽂⽽设计的编码。早期很多邮件系统也只⽀持ASCII编码，为了传输中⽂邮件必须使⽤BASE64或者其他编码⽅式。
（2）GB2312
GB2312 是基于区位码设计的，区位码把编码表分为94个区，每个区对应94个位，每个字符的区号和位号组合起来就是该汉字的区位码。区位码⼀般⽤10进制数来表⽰，如1601就表⽰16区1位，对应的字符是“啊”。在区位码的区号和位号上分别加上0xA0就得到了
GB2312编码。
区位码中01-09区是符号、数字区，16-87区是汉字区，10-15和88-94是未定义的空⽩区。它将收录的汉字分成两级：第⼀级是常⽤汉字计 3755个，置于16-55区，按汉语拼⾳字母/笔形顺序排列；第⼆级汉字是次常⽤汉字计3008个，置于56-87区，按部⾸/笔画顺序排列。⼀级汉字 是按照拼⾳排序的，这个就可以得到某个拼⾳在⼀级汉字区位中的范围，很多根据汉字可以得到拼⾳的程序就是根据这个原理编写的。
GB2312字符集中除常⽤简体汉字字符外还包括希腊字母、⽇⽂平假名及⽚假名字母、俄语西⾥尔字母
等字符，未收录繁体中⽂汉字和⼀些⽣僻字。可以⽤繁体汉字测试某些系统是不是只⽀持GB2312编码。
区位码更应该认为是字符集的定义，定义了所收录的字符和字符位置，⽽GB2312及EUC-CN是实际计算机环境中⽀持这种字符集的编码。HZ和ISO-2022-CN是对应区位码字符集的另外两种编码，都是⽤7位编码空间来⽀持汉字。区位码和GB2312编码的关系有点像Unicode和UTF-8。
（3）GBK
GBK 编码是GB2312编码的超集，向下完全兼容GB2312，同时GBK收录了Unicode基本多⽂种平⾯中的所有CJK汉字。同 GB2312⼀样，GBK也⽀持希腊字母、⽇⽂假名字母、俄语字母等字符，但不⽀持韩语中的表⾳字符（⾮汉字字符）。GBK还收录了GB2312不包含的汉字部⾸符号、竖排标点符号等字符。
GBK编码是中国⼤陆制订的、等同于UCS的新的中⽂编码扩展国家标准。GBK⼯作⼩组于1995年10⽉，同年12⽉完成GBK规范。该编码标准兼容GB2312，共收录汉字21003个、符号883个，并提供1894个造字码位，简、繁体字融于⼀库。
（4）GB18030
GB18030编码向下兼容GBK和GB2312，兼容的含义是不仅字符兼容，⽽且相同字符的编码也相同。GB18030收录了所有Unicode3.1中的字符，包括中国少数民族字符，GBK不⽀持的韩⽂字符等等，也可以说是世界⼤多民族的⽂字符号都被收录在内。
GBK和GB2312都是双字节等宽编码，如果算上和ASCII兼容所⽀持的单字节，也可以理解为是单字节和双字节混合的变长编码。
GB18030编码是变长编码，有单字节、双字节和四字节三种⽅式。
GB18030 的单字节编码范围是0x00-0x7F，完全等同与ASCII；双字节编码的范围和GBK相同，⾼字节是0x81-0xFE，低字节的编码范围是 0x40-0x7E和0x80-FE；四字节编码中第⼀、三字节的编码范围是0x81-0xFE，⼆、四字节是0x30-0x39。
Windows 中CP936代码页使⽤0x80来表⽰欧元符号，⽽在GB18030编码中没有使⽤0x80编码位，⽤其他位置来表⽰欧元符号。这可以理解为是 GB18030向下兼容性上的⼀点⼩问题；也可以理解为0x80是CP936对GBK的扩展，⽽GB18030只是和GBK兼容良好。
（5）unicode
每⼀种语⾔的不同的编码页，增加了那些需要⽀持不同语⾔的软件的复杂度。因⽽⼈们制定了⼀个世
界标准，叫做unicode。unicode为每个字符提供 了唯⼀的特定数值，不论在什么平台上、不论在什么软件中，也不论什么语⾔。也就是说，它世界上使⽤的所有字符都列出来，并给每⼀个字符⼀个唯⼀特定数值。
  　Unicode的最初⽬标，是⽤1个16位的编码来为超过65000字符提供映射。但这还不够，它不能覆盖全部历史上的⽂字，也不能解决传输的问题，尤其在那些基于⽹络的应⽤中。已有的软件必须做⼤量的⼯作来程序16位的数据。
  因此，Unicode⽤⼀些基本的保留字符制定了三套编码⽅式。它们分别是UTF-8,UTF-16和UTF-32。正如名字所⽰，在UTF－8中，字符是 以8位序列来编码的，⽤⼀个或⼏个字节来表⽰⼀个字符。这种⽅式的最⼤好处，是UTF－8保留了ASCII字符的编码做为它的⼀部分，例如，在UTF－8 和ASCII中，’A’的编码都是0x41.
UTF－16和UTF－32分别是Unicode的16位和32位编码⽅式。考虑到最初的⽬的，通常说的Unicode就是指UTF-16。在讨论Unicode 时，搞清楚哪种编码⽅式⾮常重要。
（6）UTF-8
Unicode Transformation Format-8bit，允许含BOM，但通常不含BOM。是⽤以解决国际上字符的⼀种
多字节编码，它对英⽂使⽤8位（即⼀个字节），中⽂使⽤24位（三个字节）来编码。UTF-8包含全世界所有国家需要⽤到的字符，是国际编码，通⽤性强。UTF-8编码的⽂字可以在各国⽀持UTF8字符集的浏览器上显 ⽰。如，如果是UTF8编码，则在外国⼈的英⽂IE上也能显⽰中⽂，他们⽆需下载IE的中⽂语⾔⽀持包。
GBK的⽂字编码是⽤双字节来表⽰的，即不论中、英⽂字符均使⽤双字节来表⽰，为了区分中⽂，将其最⾼位都设定成1。GBK包含全部中⽂字符，是国家编码，通⽤性⽐UTF8差，不过UTF8占⽤的数据库⽐GBD⼤。
GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换：
GBK、GB2312－－Unicode－－UTF8
UTF8－－Unicode－－GBK、GB2312
对于⼀个⽹站、论坛来说，如果英⽂字符较多，则建议使⽤UTF－8节省空间。不过现在很多论坛的插件⼀般只⽀持GBK。
解决⽅法
(1)JSP页⾯显⽰乱码
这种乱码的原因是应为没有在页⾯⾥指定使⽤的字符集编码，解决⽅法：只要在页⾯开始地⽅⽤下⾯代码指定字符集编码即可
(2)表单提交中⽂时出现乱码
JSP获取页⾯参数时⼀般采⽤系统默认的编码⽅式，如果页⾯参数的编码类型和系统默认的编码类型不⼀致，很可能就会出现乱码。解决这类乱码问题的基本⽅法是在页⾯获取参数之前，强制指定request获取参数的编码⽅式：request.setCharacterEncoding("GBK")或request.setCharacterEncoding("gb2312")。
当然，使⽤下列⽅式亦可：、
String name = Parameter(“name”);
name = new Bytes(“iso-8859-1”),”gb2312”);
如果在JSP将变量输出到页⾯时出现了乱码，可以通过设置
response.setContentType("text/html;charset=GBK")
或
response.setContentType("text/html;charset=gb2312")解决。
(3)数据库连接出现乱码
这种乱码会使你插⼊数据库的中⽂变成乱码，或者读出显⽰时也是乱码，解决⽅法如下：
  在数据库连接字符串中加⼊编码字符集
  String Url="jdbc:mysql://localhost/database?
user=root&password=root&useUnicode=true&characterEncoding=GB2312";
(4)数据库的显⽰乱码
第⼀步：写⼀个转换字符串的公共类
public class StringConvert {
public static String Convert(String s)
{
String gb;
try{
if(s.equals("") || s == null){
return "";
}
else{
s  = s.trim();
gb = new Bytes("ISO-8859-1"),"GBK");
return gb;
}
java和jsp
}
catch(Exception e){
return "";
}
}
}
第⼆步：解决MySQL的中⽂问题
⽅法1、
打开MySQL客户端（MySQL command Line Client），设置以下三项：
set character_set_client=gbk;
set character_set_results=gbk;
set character_set_connection=gbk;
之后，再将MySQL安装⽬录下的my.ini⽂件中的：default-character-set的值设为gbk（注意有两处需要修改）。
注1：这种⽅法有个缺陷就是，修改后，在新建表中的乱码消失了，但是在原先的表中却⼜出现了乱码；解的办法是，先将原先的表中的数据导出，修改后，再重建表，最后再将数据导⼊。
注2：有关character_set_client等等的作⽤，
⽅法2、
在安装MySQL的时候稍微留⼼⼀下编码的设置，将其设置为GBK⼀切OK，这样就省去了以后的⿇烦。

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。