关于JAVA字符编码：Unicode,ISO-8859-1,GBK,UTF-8编码及
相互转换
因为url传送默认编码是容器的编码，tomcat默认是iso-8859-1.所以，Parameter()获得的值必须转码，除⾮设置tocmat的默认url编码。
这个是涉及到字符编码的问题  ⼀个字符在⽹页间传递要经过编/解码的问题
我来具体解释⼀下这个语句username=new  Bytes("ISO8859_1"),"GBK");
⽹页本⾝是gb2312（也就是gbk）对数据进⾏解码的，那么你要将这个数据转换成ISO8859_1解码
的数据，⼀定要先将这个数据编码成gbk，然后通过getBytes（）⽅法将其解码成ISO8859_1编码⽅式，那么最后得到的数据才是以ISO8859_1进⾏编码的数据
１、函数介绍
在Java中，字符串⽤统⼀的Unicode编码，每个字符占⽤两个字节，与编码有关的两个主要函数为：
１）将字符串⽤指定的编码集合解析成字节数组，完成Unicode－〉charsetName转换
public byte[] getBytes(String charsetName) throws UnsupportedEncodingException　
２）将字节数组以指定的编码集合构造成字符串，完成charsetName－〉Unicode转换
public String(byte[] bytes, String charsetName) throws UnsupportedEncodingException
２、Unicode与各编码之间的直接转换
下⾯以对中⽂字符串＂ａ中⽂＂的编码转换为例，来了解各种编码之间的转换
１）Unicode和GBK
测试结果如下，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
String －GBK〉ByteArray：/u0061/u4E2D/u6587（a中⽂）－〉0x61 0xD6 0xD0 0xCE 0xC4
ByteArray －GBK〉String：0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中⽂）
２）Unicode和UTF-8
测试结果如下，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
String －UTF-8〉ByteArray：/u0061/u4E2D/u6587（a中⽂）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87
ByteArray －UTF-8〉String：0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中⽂）
３）Unicode和ISO-8859-1
测试结果如下，当存在汉字时转换失败，⾮可逆，即通过字节不能再转换回字符串
String －ISO-8859-1〉ByteArray：/u0061/u4E2D/u6587（a中⽂）－〉0x61 0x3F 0x3F
ByteArray －ISO-8859-1〉String：0x61 0x3F 0x3F－〉/u0061/u003F/u003F（a??）
３、Unicode与各编码之间的交叉转换
在上⾯直接转换中，由字符串（Unicode）⽣成的字节数组，在构造回字符串时，使⽤的是正确的编码集合，如果使⽤的不是正确的编码集合会怎样呢？会正确构造吗？如果不能正确构造能有办法恢复吗？会信息丢失吗？
下⾯我们就来看看这种情况，这部分可以说明在某些情况下虽然我们最终正确显⽰了结果，但其间仍然进⾏了不正确的转换。
１）能够正确显⽰的中间不正确转换
我们知道String －GBK〉ByteArray －GBK〉String是正确的，但如果我们采⽤String －GBK〉ByteArray －ISO-8859-1
〉String呢？通过测试结果如下：
String －GBK〉ByteArray －ISO-8859-1〉String：/u0061/u4E2D/u6587（a中⽂）－〉0x61 0xD6 0xD0 0xCE 0xC4
－〉/u0061/u00D6/u00D0/u00CE/u00C4（a）
这时我们得到的字符串为？乱码“a”，但是通过继续转换我们仍然可以复原回正确的字符串“a中⽂”，过程如下：
String －GBK〉ByteArray －ISO-8859-1〉String －ISO-8859-1〉ByteArray －GBK〉String
对应：/u0061/u4E2D/u6587（a中⽂）－〉0x61 0xD6 0xD0 0xCE 0xC4
－〉/u0061/u00D6/u00D0/u00CE/u00C4（a）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中⽂）也就是我们在⾸次构造字符串时，我们⽤了错误的编码集合得到了错误的乱码，但是我们 通过错上加错，再⽤错误的编码集合获取字节数组，然后再⽤正确的编码集合构造，就⼜恢复了正确的字符串。这时就属于是“能够正确显⽰的中间不正确转换”。在Jsp页⾯提交数据处理时常常发⽣这种情况。
此外能够正确显⽰的中间不正确转换还有：
String －UTF-8〉ByteArray －ISO-8859-1〉String －ISO-8859-1〉ByteArray －UTF-8〉String
和
String －UTF-8〉ByteArray －GBK〉String －GBK〉ByteArray －UTF-8〉String
对应：/u0061/u4E2D/u6587（a中⽂）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u6D93/uE15F/u6783（a 涓枃）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中⽂）
４、编码过程中错误诊断参考
１）⼀个汉字对应⼀个问号
在通过ISO-8859-1从字符串获取字节数组时，由于⼀个Unicode转换成⼀个byte，当遇到不认识的Unicode时，转换为0x3F，这样⽆论⽤哪种编码构造时都会产⽣⼀个？乱码。
２）⼀个汉字对应两个问号
在通过GBK从字符串获取字节数组时，由于⼀个Unicode转换成两个byte，如果此时⽤ISO-8859-1或⽤UTF-8构造字符串就会出现两个问号。
若是通过ISO-8859-1构造可以再通过上⾯所说的错上加错恢复（即再通过从ISO-8859-1解析，⽤GBK构造）；
若是通过UTF-8构造则会产⽣Unicode字符＂/uFFFD＂，不能恢复，若再通过String－UTF-8〉ByteArray－GBK〉String，则会出现杂码，如a锟⽄拷锟⽄拷
３）⼀个汉字对应三个问号
在通过UTF-8从字符串获取字节数组时，由于⼀个
这是java字符串处理的⼀个标准函数，其作⽤是将字符串所表⽰的字符按照charset编码，并以字节⽅式表⽰。注意字符串在java内存中总是按unicode编码存储的。⽐如"中⽂"，正常情况下（即没有错误的时候）存储为"4e2d 6587"，如果charset为"gbk"，则被编码
为"d6d0 cec4"，然后返回字节"d6 d0 ce c4".如果charset为"utf8"则最后是"e4 b8 ad e6 96 87".如果是"iso8859-1"，则由于⽆法编码，最后返回 "3f 3f"（两个问号）。
java  .class类的编码为：unicode;
windows 默认的编码为：中⽂：gb2312; 英⽂：iso8859;
String str = "张三" ;
byte[] jiema= Bytes("gb2312") ; //解码
String  bianma = new String(jiema,"UTF-8");//编码 如果上⾯的解码不对 可能出现问题
2. new String（charset）
这是java字符串处理的另⼀个标准函数，和上⼀个函数的作⽤相反，将字节数组按照charset编码进⾏组合识别，最后转换为unicode存储。参考上述getBytes的例⼦，"gbk" 和"utf8"都可以得出正确的结果"4e2d 6587"，但iso8859-1最后变成了"003f 003f"（两个问号）。
因为utf8可以⽤来表⽰/编码所有字符，所以new String（ Bytes（ "utf8" ）， "utf8" ） === str，即完全可逆。
3. setCharacterEncoding（）
该函数⽤来设置http请求或者相应的编码。
对于request，是指提交内容的编码，指定后可以通过getParameter（）则直接获得正确的字符串，如果不指定，则默认使⽤iso8859-1编码，需要进⼀步处理。参见下述"表单输⼊".值得注意的是在执⾏setCharacterEncoding（）之前，不能执⾏任何
getParameter（）。java doc上说明：This method must be called prior to reading request parameters or reading input using getReader（）。⽽且，该指定只对POST⽅法有效，对GET⽅法⽆效。分析原因，应该是在执⾏第⼀个getParameter（）的时候，java 将会按照编码分析所有的提交内容，⽽后续的getParameter（）不再进⾏分析，所以setCharacterEncoding（）⽆效。⽽对于GET⽅法提交表单是，提交的内容在URL中，⼀开始就已经按照编码分析所有的提交内容，setCharacterEncoding（）⾃然就⽆效。
对于response，则是指定输出内容的编码，同时，该设置会传递给浏览器，告诉浏览器输出内容所采⽤的编码。
4. 处理过程
下⾯分析两个有代表性的例⼦，说明java对编码有关问题的处理⽅法。
4.1. 表单输⼊
User input *（gbk：d6d0 cec4） browser *（gbk：d6d0 cec4） web server iso8859-1（00d6 00d 000ce 00c4） class，需要在class中进⾏处理：getbytes（"iso8859-1"）为d6 d0 ce c4，new String（"gbk"）为d6d0 cec4，内存中以unicode编码则为4e2d 6587.
l ⽤户输⼊的编码⽅式和页⾯指定的编码有关，也和⽤户的操作系统有关，所以是不确定的，上例以gbk为例。
unicode汉字
l 从browser到web server，可以在表单中指定提交内容时使⽤的字符集，否则会使⽤页⾯指定的编码。⽽如果在url中直接⽤？的⽅式输⼊参数，则其编码往往是操作系统本⾝的编码，因为这时和页⾯⽆关。上述仍旧以gbk编码为例。
l Web server接收到的是字节流，默认时（getParameter）会以iso8859-1编码处理之，结果是不正确的，所以需要进⾏处理。但如果预先设置了编码（通过request. setCharacterEncoding （）），则能够直接获取到正确的结果。
l 在页⾯中指定编码是个好习惯，否则可能失去控制，⽆法指定正确的编码。
4.2. ⽂件编译
假设⽂件是gbk编码保存的，⽽编译有两种编码选择：gbk或者iso8859-1，前者是中⽂windows的默认编码，后者是linux的默认编码，当然也可以在编译时指定编码。
Jsp *（gbk：d6d0 cec4） java file *（gbk：d6d0 cec4） compiler read uincode（gbk： 4e2d 6587； iso8859-1： 00d6 00d 000ce 00c4） compiler write utf（gbk： e4b8ad e69687； iso8859-1： *） compiled file unicode（gbk： 4e2d
6587； iso8859-1： 00d6 00d 000ce 00c4） class.所以⽤gbk编码保存，⽽⽤iso8859-1编译的结果是不正确的。
class unicode（4e2d 6587） system.out / jsp.out gbk（d6d0 cec4） os console / browser.
l ⽂件可以以多种编码⽅式保存，中⽂windows下，默认为ansi/gbk.
l 编译器读取⽂件时，需要得到⽂件的编码，如果未指定，则使⽤系统默认编码。⼀般class⽂件，是以系统默认编码保存的，所以编译不会出问题，但对于jsp⽂件，如果在中⽂windows下编辑保存，⽽部署在英⽂linux下运⾏/编译，则会出现问题。所以需要在jsp⽂件中⽤pageEncoding指定编码。
l Java编译的时候会转换成统⼀的unicode编码处理，最后保存的时候再转换为utf编码。
l 当系统输出字符的时候，会按指定编码输出，对于中⽂windows下，System.out将使⽤gbk编码，⽽对于response（浏览器），则使⽤jsp⽂件头指定的contentType，或者可以直接为response指定编码。同时，会告诉browser⽹页的编码。如果未指定，则会使⽤
iso8859-1编码。对于中⽂，应该为browser指定输出字符串的编码。
l browser显⽰⽹页的时候，⾸先使⽤response中指定的编码（jsp⽂件头指定的contentType最终也反映在response上），如果未指定，则会使⽤⽹页中meta项指定中的contentType.
5. ⼏处设置
对于web应⽤程序，和编码有关的设置或者函数如下。
5.1. jsp编译
指定⽂件的存储编码，很明显，该设置应该置于⽂件的开头。例如：。另外，对于⼀般class⽂件，可以在编译的时候指定编码。
5.2. jsp输出
指定⽂件输出到browser是使⽤的编码，该设置也应该置于⽂件的开头。例如：。该设置和
response.setCharacterEncoding（"GBK"）等效。
5.3. meta设置
指定⽹页使⽤的编码，该设置对静态⽹页尤其有作⽤。因为静态⽹页⽆法采⽤jsp的设置，⽽且也⽆法执⾏
response.setCharacterEncoding（）。例如：
如果同时采⽤了jsp输出和meta设置两种编码指定⽅式，则jsp指定的优先。因为jsp指定的直接体现在response中。
需要注意的是，有⼀个设置可以给⽆编码指定的⽹页指定编码，该指定等同于jsp的编码指定⽅式，所以会覆盖静态⽹页中的meta指定。所以有⼈建议关闭该设置。
5.4. form设置
当浏览器提交表单的时候，可以指定相应的编码。例如：。⼀般不必不使⽤该设置，浏览器会直接使⽤⽹页的编码。

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。