Java中的字符集编码入门GB2312，GBK与中文
网页
GB2312最初指的是一个编码字符集，其中包含了ASCII所包含的英文字符，同时参加了6763个简体汉字以及其他一些ASCII之外的符号。与Unicode有UTF-8和UTF-16一样（固然， UTF-8和UTF-16也没有被限定只能用来对Unicode进展编码，实际上，你用它对视频进展编码都是可以的，只是编出的文件没有播放器支持罢了，哈哈），GB2312也有自己的编码方案，但这个方案直接使用一个字符在GB2312中的编号作为存储值（与UTF-32的做法类似），也因此，这个编码方案甚至没有正式的名称。我们日常说起GB2312的时候，经常即指这个字符集，也指这种编码方案。
GBK是GB2312的后续标准，添加了更多的汉字和特别符号，类似的是，GBK也是同时指他的字符集和他的编码。
GBK还是现如今中文Windows操作系统的系统默认编码（这正是几乎全部网页上的，文件里的乱码问题的根源）。
unicode汉字
我们可以这样来验证，使用以下的Java代码：
String Property(“ding“);
System.out.println(encoding);
输出结果为GBK
说到GB2312和GBK就不得不提中文网页的编码。尽管许多新开发的
Web系统和新上线的注意国际化的网站都开头使用UTF-8，仍有相当一局部的中文媒体坚持使用GB2312和GBK，例如新浪的页面。其中有两点很值得留意。
第一，页面中meta标签的局部，经常可以见到charset=GB2312这样的写法，很不幸的是，这个“charset”其实是用来指定页面使用的是什么字符集编码，而不是使用什么字符集。例如你见到过有人写“charset=UTF-8”，见到过有人写“charset=ISO-8859-1”，但你见过有人写“charset=Unicode”么？固然没有，由于Unicode是一个字符集，而不是编码。
然而正是charset这个名称误导了许多程序员，真的以为这里要指定的是字符集，也因而使他们进一步的误以为UTF-8和UTF-16是一种字符集！（万恶啊）好在XML中已经做出了修改，这个位置改成了正确的名称：encoding.其次，页面中说的GB2312，实际上并不真的是GB2312（惊异么？）。我们来做个试验，例如一个GB2312中不存在的汉字“亸”（这个字的确不在GB2312中，你可以到GB2312的码表中去，保证不到），这个字在GBK中。然后你把它放到一个html页面中，试着在扫瞄器中翻开它，然后选择扫瞄器的编码为“GB2312”，看到了什么？它完全正常显示！
结论不用我说你也明白了，扫瞄器实际上使用的是GBK来显示。
新浪的页面中也有许多这样的例子，处处都写charset=GB2312，却
使用了很多个GB2312中并不存在的字符。这种做法对扫瞄器显示页面并不成问题，但在需要程序抓取页面并保存的时候带来了麻烦，程序将不能依据页面所“声称”的编码进展读取和保存，而只能尽量猜想正确的编码。

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。