1.?概述?
本文主要包括以下幾個(gè)方面：編碼基本知識(shí)，java，系統(tǒng)軟件，url，工具軟件等。?
??? 在下面的描述中，將以"中文"兩個(gè)字為例，經(jīng)查表可以知道其GB2312編碼是"d6d0?cec4"，Unicode編碼為"4e2d?6587"，UTF編碼就是"e4b8ad?e69687"。注意，這兩個(gè)字沒(méi)有iso8859-1編碼，但可以用iso8859-1編碼來(lái)"表示"。?
2.?編碼基本知識(shí)?
??? 最早的編碼是iso8859-1，和ascii編碼相似。但為了方便表示各種各樣的語(yǔ)言，逐漸出現(xiàn)了很多標(biāo)準(zhǔn)編碼，重要的有如下幾個(gè)。?
2.1.?iso8859-1?
??? 屬于單字節(jié)編碼，最多能表示的字符范圍是0-255，應(yīng)用于英文系列。比如，字母'a'的編碼為0x61=97。?
??? 很明顯，iso8859-1編碼表示的字符范圍很窄，無(wú)法表示中文字符。但是，由于是單字節(jié)編碼，和計(jì)算機(jī)最基礎(chǔ)的表示單位一致，所以很多時(shí)候，仍舊使用iso8859-1編碼來(lái)表示。而且在很多協(xié)議上，默認(rèn)使用該編碼。比如，雖然"中文"兩個(gè)字不存在iso8859-1編碼，以gb2312編碼為例，應(yīng)該是"d6d0?cec4"兩個(gè)字符，使用iso8859-1編碼的時(shí)候則將它拆開(kāi)為4個(gè)字節(jié)來(lái)表示："d6?d0?ce?c4"（事實(shí)上，在進(jìn)行存儲(chǔ)的時(shí)候，也是以字節(jié)為單位處理的）。而如果是UTF編碼，則是6個(gè)字節(jié)"e4?b8?ad?e6?96?87"。很明顯，這種表示方法還需要以另一種編碼為基礎(chǔ)。?
2.2.?GB2312/GBK?
??? 這就是漢子的國(guó)標(biāo)碼，專門(mén)用來(lái)表示漢字，是雙字節(jié)編碼，而英文字母和iso8859-1一致（兼容iso8859-1編碼）。其中g(shù)bk編碼能夠用來(lái)同時(shí)表示繁體字和簡(jiǎn)體字，而gb2312只能表示簡(jiǎn)體字，gbk是兼容gb2312編碼的。?
2.3.?unicode?
??? 這是最統(tǒng)一的編碼，可以用來(lái)表示所有語(yǔ)言的字符，而且是定長(zhǎng)雙字節(jié)（也有四字節(jié)的）編碼，包括英文字母在內(nèi)。所以可以說(shuō)它是不兼容iso8859-1編碼的，也不兼容任何編碼。不過(guò)，相對(duì)于iso8859-1編碼來(lái)說(shuō)，uniocode編碼只是在前面增加了一個(gè)0字節(jié)，比如字母'a'為"00?61"。?
需要說(shuō)明的是，定長(zhǎng)編碼便于計(jì)算機(jī)處理（注意GB2312/GBK不是定長(zhǎng)編碼），而unicode又可以用來(lái)表示所有字符，所以在很多軟件內(nèi)部是使用unicode編碼來(lái)處理的，比如java。?
2.4.?UTF?
??? 考慮到unicode編碼不兼容iso8859-1編碼，而且容易占用更多的空間：因?yàn)閷?duì)于英文字母，unicode也需要兩個(gè)字節(jié)來(lái)表示。所以u(píng)nicode不便于傳輸和存儲(chǔ)。因此而產(chǎn)生了utf編碼，utf編碼兼容iso8859-1編碼，同時(shí)也可以用來(lái)表示所有語(yǔ)言的字符，不過(guò)，utf編碼是不定長(zhǎng)編碼，每一個(gè)字符的長(zhǎng)度從1-6個(gè)字節(jié)不等。另外，utf編碼自帶簡(jiǎn)單的校驗(yàn)功能。一般來(lái)講，英文字母都是用一個(gè)字節(jié)表示，而漢字使用三個(gè)字節(jié)。?
??? 注意，雖然說(shuō)utf是為了使用更少的空間而使用的，但那只是相對(duì)于unicode編碼來(lái)說(shuō)，如果已經(jīng)知道是漢字，則使用GB2312/GBK無(wú)疑是最節(jié)省的。不過(guò)另一方面，值得說(shuō)明的是，雖然utf編碼對(duì)漢字使用3個(gè)字節(jié)，但即使對(duì)于漢字網(wǎng)頁(yè)，utf編碼也會(huì)比unicode編碼節(jié)省，因?yàn)榫W(wǎng)頁(yè)中包含了很多的英文字符。?
3.?java對(duì)字符的處理?
??? 在java應(yīng)用軟件中，會(huì)有多處涉及到字符集編碼，有些地方需要進(jìn)行正確的設(shè)置，有些地方需要進(jìn)行一定程度的處理。?
3.1.?getBytes(charset)?
?? 這是java字符串處理的一個(gè)標(biāo)準(zhǔn)函數(shù)，其作用是將字符串所表示的字符按照charset編碼，并以字節(jié)方式表示。注意字符串在java內(nèi)存中總是按unicode編碼存儲(chǔ)的。比如"中文"，正常情況下（即沒(méi)有錯(cuò)誤的時(shí)候）存儲(chǔ)為"4e2d?6587"，如果charset為"gbk"，則被編碼為"d6d0?cec4"，然后返回字節(jié)"d6?d0?ce?c4"。如果charset為"utf8"則最后是"e4?b8?ad?e6?96?87"。如果是"iso8859-1"，則由于無(wú)法編碼，最后返回?"3f?3f"（兩個(gè)問(wèn)號(hào)）。?
3.2.?new?String(charset)?
??? 這是java字符串處理的另一個(gè)標(biāo)準(zhǔn)函數(shù)，和上一個(gè)函數(shù)的作用相反，將字節(jié)數(shù)組按照charset編碼進(jìn)行組合識(shí)別，最后轉(zhuǎn)換為unicode存儲(chǔ)。參考上述getBytes的例子，"gbk"?和"utf8"都可以得出正確的結(jié)果"4e2d?6587"，但iso8859-1最后變成了"003f?003f"（兩個(gè)問(wèn)號(hào)）。?
??? 因?yàn)閡tf8可以用來(lái)表示/編碼所有字符，所以new?String(?str.getBytes(?"utf8"?),?"utf8"?)?===?str，即完全可逆。?
3.3.?setCharacterEncoding()?
??? 該函數(shù)用來(lái)設(shè)置http請(qǐng)求或者相應(yīng)的編碼。?
???? 對(duì)于request，是指提交內(nèi)容的編碼，指定后可以通過(guò)getParameter()則直接獲得正確的字符串，如果不指定，則默認(rèn)使用iso8859-1編碼，需要進(jìn)一步處理。參見(jiàn)下述"表單輸入"。值得注意的是在執(zhí)行setCharacterEncoding()之前，不能執(zhí)行任何getParameter()。java?doc上說(shuō)明：This?method?must?be?called?prior?to?reading?request?parameters?or?reading?input?using?getReader()。而且，該指定只對(duì)POST方法有效，對(duì)GET方法無(wú)效。分析原因，應(yīng)該是在執(zhí)行第一個(gè)getParameter()的時(shí)候，java將會(huì)按照編碼分析所有的提交內(nèi)容，而后續(xù)的getParameter()不再進(jìn)行分析，所以setCharacterEncoding()無(wú)效。而對(duì)于GET方法提交表單是，提交的內(nèi)容在URL中，一開(kāi)始就已經(jīng)按照編碼分析所有的提交內(nèi)容，setCharacterEncoding()自然就無(wú)效。?
??? 對(duì)于response，則是指定輸出內(nèi)容的編碼，同時(shí)，該設(shè)置會(huì)傳遞給瀏覽器，告訴瀏覽器輸出內(nèi)容所采用的編碼。?
3.4.?處理過(guò)程?
下面分析兩個(gè)有代表性的例子，說(shuō)明java對(duì)編碼有關(guān)問(wèn)題的處理方法。?
3.4.1.?表單輸入?
??? User?input??*(gbk:d6d0?cec4)??browser??*(gbk:d6d0?cec4)??web?server??iso8859-1(00d6?00d?000ce?00c4)??class，需要在class中進(jìn)行處理：getbytes("iso8859-1")為d6?d0?ce?c4，new?String("gbk")為d6d0?cec4，內(nèi)存中以u(píng)nicode編碼則為4e2d?6587。?
l?用戶輸入的編碼方式和頁(yè)面指定的編碼有關(guān)，也和用戶的操作系統(tǒng)有關(guān)，所以是不確定的，上例以gbk為例。?
??? 從browser到web?server，可以在表單中指定提交內(nèi)容時(shí)使用的字符集，否則會(huì)使用頁(yè)面指定的編碼。而如果在url中直接用?的方式輸入?yún)?shù)，則其編碼往往是操作系統(tǒng)本身的編碼，因?yàn)檫@時(shí)和頁(yè)面無(wú)關(guān)。上述仍舊以gbk編碼為例。?
??? Web?server接收到的是字節(jié)流，默認(rèn)時(shí)（getParameter）會(huì)以iso8859-1編碼處理之，結(jié)果是不正確的，所以需要進(jìn)行處理。但如果預(yù)先設(shè)置了編碼（通過(guò)request.?setCharacterEncoding?()），則能夠直接獲取到正確的結(jié)果。?
??? 在頁(yè)面中指定編碼是個(gè)好習(xí)慣，否則可能失去控制，無(wú)法指定正確的編碼。