Java 關(guān)于中文亂碼問題的解決方案與經(jīng)驗 |
作者:owen1944 發(fā)文時間:2005.01.20 |
![]() |
Java內(nèi)核是unicode的,就連class文件也是,但是很多媒體,包括文件/流的保存方式是使用字節(jié)流的。因此Java要對這些字節(jié)流經(jīng)行轉(zhuǎn)化。char是unicode的,而byte是字節(jié)。Java中byte/char互轉(zhuǎn)的函數(shù)在sun.io的包中間有。其中ByteToCharConverter類是中調(diào)度,可以用來告訴你,你用的convertor。其中兩個很常用的靜態(tài)函數(shù)是:
如果你不指定converter,則系統(tǒng)會自動使用當(dāng)前的encoding,gb平臺上用gbk,en平臺上用8859_1。
如果代碼改為:
結(jié)果將又是什么? 這就要根據(jù)平臺的編碼而定。
結(jié)果將又是什么?還是根據(jù)平臺的編碼而定。 很多中文問題就是從這兩個最簡單的類派生出來的。而卻有很多類不直接支持把encoding輸入,這給我們帶來諸多不便。很多程序難得用encoding了,直接用default的encoding,這就給我們移植帶來了很多困難。 二、utf-8 utf-8是和unicode一一對應(yīng)的,其實現(xiàn)很簡單:
大多數(shù)情況是只使用到16位以下的unicode:
由于只有兩位我們按照兩位的編碼來排,但是我們發(fā)現(xiàn)這行不通,因為第7位不是0因此,返回"?"
三、string和byte[] string其實核心是char[],然而要把byte轉(zhuǎn)化成string,必須經(jīng)過編碼。string.length()其實就是char數(shù)組的長度,如果使用不同的編碼,很可能會錯分,造成散字和亂碼。例如:
如果encoding=8859_1,會有兩個字,但是encoding=gb2312只有一個字這個問題在處理分頁是經(jīng)常發(fā)生。 四、Reader,Writer / InputStream,OutputStream Reader和Writer核心是char,InputStream和OutputStream核心是byte。但是Reader和Writer的主要目的是要把char讀/寫InputStream/OutputStream。例如:
結(jié)果是什么?是"你"。如果encoding ="8859_1",結(jié)果是什么?"??"兩個字符,表示不認識。反過來的例子自己做。 |
![]() |
我們常常沒有用到encoding這個參數(shù)。其實encoding這個參數(shù)對于跨平臺的操作是很重要的。如果沒有指定encoding,則按照系統(tǒng)的默認encoding,gb平臺上是gb2312,英文平臺上是iso8859_1。Java的編譯器實際上是調(diào)用sun.tools.Javac.main的類,對文件進行編譯,這個類有compile函數(shù)中間有一個encoding的變量,-encoding的參數(shù)其實直接傳給encoding變量。編譯器就是根據(jù)這個變量來讀取Java文件的,然后把用utf-8形式編譯成class文件。例子代碼:
但是我們往往忽略掉這個參數(shù),因此這樣往往會有跨平臺的問題: 樣例代碼在中文平臺上編譯,生成zhclass 樣例代碼在英文平臺上編譯,輸出enclass (1) zhclass在中文平臺上執(zhí)行ok,但是在英文平臺上不行 (2) enclass在英文平臺上執(zhí)行ok,但是在中文平臺上不行 原因是: (1) 在中文平臺上編譯后,其實str在運行態(tài)的char[]是0x4f60, 在中文平臺上運行,filewriter的缺省編碼是gb2312,因此chartobyteconverter會自動用調(diào)用gb2312的converter,把str轉(zhuǎn)化成byte輸入到fileoutputstream中,于是0xc4,0xe3放進了文件。但是如果是在英文平臺下,chartobyteconverter的缺省值是8859_1, filewriter會自動調(diào)用8859_1去轉(zhuǎn)化str,但是他無法解釋,因此他會輸出"?" (2) 在英文平臺上編譯后,其實str在運行態(tài)的char[]是0x00c4 0x00e3, 在中文平臺上運行,中文無法識別,因此會出現(xiàn)??;在英文平臺上,0x00c4-->0xc4,0x00e3->0xe3,因此0xc4,0xe3被放進了文件。 六、其它原因:
設(shè)置瀏覽器的顯示編碼,如果response的數(shù)據(jù)是utf8編碼,顯示將是亂碼,但是亂碼和上述原因還不一樣。 七、發(fā)生編碼的地方: 1. 從數(shù)據(jù)庫到Java程序 byte——〉char 2. 從Java程序到數(shù)據(jù)庫 char——〉byte 3. 從文件到Java程序 byte——〉char 4. 從Java程序到文件 char——〉byte 5. 從Java程序到頁面顯示 char——〉byte 6. 從頁面form提交數(shù)據(jù)到Java程序byte——〉char 7. 從流到Java程序byte——〉char 8. 從Java程序到流char——〉byte 可以使用配置過濾器的方法解決中文亂碼的:
|