
2006年3月18日
java文件操作大全
文件的建立/檢查與刪除
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>文件的建立、檢查與刪除</title>
</head>
<body>
<%
String?path=request.getRealPath("");
//out.println(path);
File?f=new?File(path,"File.txt");
//out.println(f);
//out.println(f.exists());
if(f.exists()){//檢查File.txt是否存在
f.delete();//刪除File.txt文件
out.println(path?+?"\\File.txt?存在,已刪除。");
}else{
f.createNewFile();//在當前目錄下建立一個名為File.txt的文件
out.println(path?+?"\\File.txt?不存在,已建立。");//輸出目前所在的目錄路徑
}
%>
目錄的建立/檢查與刪除
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>目錄的建立/檢查與刪除</title>
</head>
<body>
<%
String?path=request.getRealPath("");
path=path?+?"\\Sub";//將要建立的目錄路徑
File?d=new?File(path);//建立代表Sub目錄的File對象,并得到它的一個引用
if(d.exists()){//檢查Sub目錄是否存在
d.delete();
out.println("Sub目錄存在,已刪除");
}else{
d.mkdir();//建立Sub目錄
out.println("Sub目錄不存在,已建立");
}
%>
</body>
</html>
如何在JSP中處理虛擬目錄
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>JSP中如何處理虛擬目錄</title>
</head>
<body>
取得虛擬目錄對應的磁盤路徑<br>
Web站點主目錄的位置為<font?color=#ff0000><%=request.getRealPath("/")%></font><br>
JSP網頁所在的目錄位置<font?color=#ff0000><%=request.getRealPath("./")%></font><br>
JSP網頁所在目錄上一層目錄的位置<font?color=#ff0000><%=request.getRealPath("../")%></font><br>
</body>
</html>
文件屬性的取得
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.util.Date,java.io.*"%>
<html>
<head>
<title>文件屬性的取得</title>
</head>
<body>
<%
String?path=request.getRealPath("/");
File?f=new?File(path,"ReadData.txt");
if(f.exists()){
%>
<%=f.getName()%>的屬性如下:<br><br>
文件長度為:<%=f.length()%>
<%=f.isFile()?"是文件":"不是文件"%><br>
<%=f.isDirectory()?"是目錄":"不是目錄"%><br>
<%=f.canRead()?"可讀取":"不可讀取"%><br>
<%=f.canWrite()?"可寫入":"不可寫入"%><br>
<%=f.isHidden()?"是隱藏文件":"不是隱藏文件"%><br>
文件的最后修改日期為:<%=new?Date(f.lastModified())%><br>
<%
}else{
f.createNewFile();//在當前目錄下建立一個名為ReaData.txt的文件
%>?
<%=f.getName()%>的屬性如下:<br><br>
文件長度為:<%=f.length()%>
<%=f.isFile()?"是文件":"不是文件"%><br>
<%=f.isDirectory()?"是目錄":"不是目錄"%><br>
<%=f.canRead()?"可讀取":"不可讀取"%><br>
<%=f.canWrite()?"可寫入":"不可寫入"%><br>
<%=f.isHidden()?"是隱藏文件":"不是隱藏文件"%><br>
文件的最后修改日期為:<%=new?Date(f.lastModified())%><br>
<%
}
%>
</body>
</html>
取出目錄中文件的方法
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>取出目錄中文件的方法--列出目錄中的文件</title>
</head>
<body>
<%
String?path=request.getRealPath("/");
File?d=new?File(path);//建立當前目錄中文件的File對象
File?list[]=d.listFiles();//取得代表目錄中所有文件的File對象數組
out.println("<font?color=#ff0000>"?+?path?+?"目錄下的文件:</font><br>");
for(int?i=0;i<list.length;i++){
if(list<I>.isFile()){
out.println(list<I>.getName()?+?"<br>");
}
}
out.println("<br><font?color=#ff0000>"?+?path?+?"目錄下的目錄:</font><br>");
for(int?i=0;i<list.length;i++){
if(list<I>.isDirectory()){
out.println(list<I>.getName()?+?"<br>");
}
}
%>
</body>
</html>
判斷是否為空白文件
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>判斷是否為空白文件</title>
</head>
<body>
<%
String?path=request.getRealPath("/");
out.println(path);
FileReader?fr=new?FileReader(path?+?"\\AtEnd.txt");//建立FileReader對象,并實例化為fr
//對FileReader類生成的對象使用read()方法,可以從字符流中讀取下一個字符。
if(fr.read()==-1)//判斷是否已讀到文件的結尾
{
out.print("AtEnd.txt文件中沒有數據<br>");
}else{
out.println("AtEnd.txt文件中有數據");
}
fr.close();
%>
</body>
</html>
讀取所有的文件數據
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*,java.lang.*"%>
<html>
<head>
<title>讀取所有的文件數據</title>
</head>
<body>
<%
String?path=request.getRealPath(".");
FileReader?fr=new?FileReader(path?+?"\\ReadData.txt");
//關鍵在于讀取過程中,要判斷所讀取的字符是否已經到了文件的末尾,并且這個字符是不是文件中的斷行符,即判斷該字符值是否為13。
int?c=fr.read();//從文件中讀取一個字符
//判斷是否已讀到文件結尾
while(c!=-1){
out.print((char)c);//輸出讀到的數據
c=fr.read();//從文件中繼續讀取數據
if(c==13){//判斷是否為斷行字符
out.print("<br>");//輸出分行標簽
fr.skip(1);//略過一個字符
//c=fr.read();//讀取一個字符
}
}
fr.close();
%>
</body>
</html>
一行一行讀取數據
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>文件讀取</title>
</head>
<body>
<%
String?path=request.getRealPath("");//取得當前目錄的路徑
FileReader?fr=new?FileReader(path?+?"\\file\\inc\\t.txt");//建立FileReader對象,并實例化為fr
BufferedReader?br=new?BufferedReader(fr);//建立BufferedReader對象,并實例化為br
String?Line=br.readLine();//從文件讀取一行字符串
//判斷讀取到的字符串是否不為空
while(Line!=null){
out.println(Line?+?"<br>");//輸出從文件中讀取的數據
Line=br.readLine();//從文件中繼續讀取一行數據
}
br.close();//關閉BufferedReader對象
fr.close();//關閉文件
%>
</body>
</html>
略過文件中的字符不讀取
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>略過字節不讀取</title>
</head>
<body>
<%
String?path=request.getRealPath(".");
FileReader?fr=new?FileReader(path?+?"\\ReadData.txt");
fr.skip(2);//跳過2個字節
int?c=fr.read();//讀取一個字節
while(c!=-1){
out.print((char)c);
c=fr.read();
}
fr.close();
%>
</body>
</html>
將數據寫入文件
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>將數據寫入文件</title>
</head>
<body>
<%
String?path=request.getRealPath(".");
FileWriter?fw=new?FileWriter(path?+?"\\WriteData.txt");//建立FileWriter對象,并實例化fw
//將字符串寫入文件
fw.write("大家好!");
fw.write("本書是《JSP編程技巧》");
fw.write("請多多指教!");
fw.write("email:stride@sina.com");
fw.close();
FileReader?fr=new?FileReader(path?+?"\\WriteData.txt");
BufferedReader?br=new?BufferedReader(fr);//建立BufferedReader對象,并實例化為br
String?Line=br.readLine();
//讀取一行數據
out.println(Line?+?"<br>");
br.close();//關閉BufferedReader對象
fr.close();
%>
</body>
</html>
將寫入文件的數據分行
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>將寫入文件的數據分行</title>
</head>
<body>
<%
String?path=request.getRealPath(".");
FileWriter?fw=new?FileWriter(path?+?"\\WriteData.txt");
BufferedWriter?bw=new?BufferedWriter(fw);
bw.write("大家好!");
bw.write("本書是《JSP編程技巧》。");
bw.newLine();//斷行
bw.write("請多多指教!");
bw.newLine();//斷行
bw.write("email:?stride@sina.com");
bw.flush();//將數據更新至文件
fw.close();//關閉文件流
out.println("寫入文件內容為:<br>");
FileReader?fr=new?FileReader(path?+?"\\WriteData.txt");
BufferedReader?br=new?BufferedReader(fr);
String?Line=br.readLine();//讀取一行數據
while(Line!=null){
out.println(Line?+?"<br>");
Line=br.readLine();
}
fr.close();
%>
</body>
</html>
如何將數據追加寫入到文件
<%@?page?contentType="text/html;charset=gb2312"%>
<%@?page?import="java.io.*"%>
<html>
<head>
<title>將寫入文件的數據分行</title>
</head>
<body>
<%
String?path=request.getRealPath(".");
RandomAccessFile?rf=new?RandomAccessFile(path?+?"\\WriteData.txt","rw");//定義一個類RandomAccessFile的對象,并實例化
rf.seek(rf.length());//將指針移動到文件末尾
rf.writeBytes("\nAppend?a?line?to?the?file!");
rf.close();//關閉文件流
out.println("寫入文件內容為:<br>");
FileReader?fr=new?FileReader(path?+?"\\WriteData.txt");
BufferedReader?br=new?BufferedReader(fr);//讀取文件的BufferedRead對象
String?Line=br.readLine();
while(Line!=null){
out.println(Line?+?"<br>");
Line=br.readLine();
}
fr.close();//關閉文件
%>
</body>
</html></I></I></I></I>
轉載:http://blog.csdn.net/chensheng913/
posted @
2006-03-18 15:19 JavaWorm 閱讀(287) |
評論 (0) |
編輯 收藏
摘要: 1?????????? 泛型(Generic)1.1????????? 說明增強了java的類型安全,可以在編譯期間對容器內的對象進行類型檢查,在運行期不必進行類型的轉換。而在j2se5之前必須在運行期動態進行容器內對象的檢查及轉換減少含糊的容器,可以定義什么類型的數據放入容器ArrayList<Integer> listOfIntegers; // <TYPE_NAME>...
閱讀全文
posted @
2006-03-18 14:50 JavaWorm 閱讀(385) |
評論 (0) |
編輯 收藏
如果你曾經用過Perl或任何其他內建正則表達式支持的語言,你一定知道用正則表達式處理文本和匹配模式是多么簡單。如果你不熟悉這個術語,那么“正則表達式”(Regular Expression)就是一個字符構成的串,它定義了一個用來搜索匹配字符串的模式。 |
許多語言,包括Perl、PHP、Python、JavaScript和JScript,都支持用正則表達式處理文本,一些文本編輯器用正則表達式實現高級“搜索-替換”功能。那么Java又怎樣呢?本文寫作時,一個包含了用正則表達式進行文本處理的Java規范需求(Specification Request)已經得到認可,你可以期待在JDK的下一版本中看到它。 |
然而,如果現在就需要使用正則表達式,又該怎么辦呢?你可以從Apache.org下載源代碼開放的Jakarta-ORO庫。本文接下來的內容先簡要地介紹正則表達式的入門知識,然后以Jakarta-ORO API為例介紹如何使用正則表達式。 |
我們先從簡單的開始。假設你要搜索一個包含字符“cat”的字符串,搜索用的正則表達式就是“cat”。如果搜索對大小寫不敏感,單詞“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是說: |
假設你在玩英文拼字游戲,想要找出三個字母的單詞,而且這些單詞必須以“t”字母開頭,以“n”字母結束。另外,假設有一本英文字典,你可以用正則表達式搜索它的全部內容。要構造出這個正則表達式,你可以使用一個通配符——句點符號“.”。這樣,完整的表達式就是“t.n”,它匹配“tan”、 “ten”、“tin”和“ton”,還匹配“t#n”、“tpn”甚至“t n”,還有其他許多無意義的組合。這是因為句點符號匹配所有字符,包括空格、Tab字符甚至換行符: |
為了解決句點符號匹配范圍過于廣泛這一問題,你可以在方括號(“[]”)里面指定看來有意義的字符。此時,只有方括號里面指定的字符才參與匹配。也就是說,正則表達式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配,因為在方括號之內你只能匹配單個字符: |
如果除了上面匹配的所有單詞之外,你還想要匹配“toon”,那么,你可以使用“|”操作符。“|”操作符的基本意義就是“或”運算。要匹配 “toon”,使用“t(a|e|i|o|oo)n”正則表達式。這里不能使用方擴號,因為方括號只允許匹配單個字符;這里必須使用圓括號“()”。圓括號還可以用來分組,具體請參見后面介紹。 |
表一顯示了表示匹配次數的符號,這些符號用來確定緊靠該符號左邊的符號出現的次數: |
假設我們要在文本文件中搜索美國的社會安全號碼。這個號碼的格式是999-99-9999。用來匹配它的正則表達式如圖一所示。在正則表達式中,連字符(“-”)有著特殊的意義,它表示一個范圍,比如從0到9。因此,匹配社會安全號碼中的連字符號時,它的前面要加上一個轉義字符“\”。 |
圖一:匹配所有123-12-1234形式的社會安全號碼
|
假設進行搜索的時候,你希望連字符號可以出現,也可以不出現——即,999-99-9999和999999999都屬于正確的格式。這時,你可以在連字符號后面加上“?”數量限定符號,如圖二所示: |
圖二:匹配所有123-12-1234和123121234形式的社會安全號碼
|
下面我們再來看另外一個例子。美國汽車牌照的一種格式是四個數字加上二個字母。它的正則表達式前面是數字部分“[0-9]{4}”,再加上字母部分“[A-Z]{2}”。圖三顯示了完整的正則表達式。 |
“^”符號稱為“否”符號。如果用在方括號內,“^”表示不想要匹配的字符。例如,圖四的正則表達式匹配所有單詞,但以“X”字母開頭的單詞除外。 |
假設要從格式為“June 26, 1951”的生日日期中提取出月份部分,用來匹配該日期的正則表達式可以如圖五所示: |
新出現的“\s”符號是空白符號,匹配所有的空白字符,包括Tab字符。如果字符串正確匹配,接下來如何提取出月份部分呢?只需在月份周圍加上一個圓括號創建一個組,然后用ORO API(本文后面詳細討論)提取出它的值。修改后的正則表達式如圖六所示: |
圖六:匹配所有Month DD,YYYY格式的日期,定義月份值為第一個組
|
為簡便起見,你可以使用一些為常見正則表達式創建的快捷符號。如表二所示: |
例如,在前面社會安全號碼的例子中,所有出現“[0-9]”的地方我們都可以使用“\d”。修改后的正則表達式如圖七所示: |
圖七:匹配所有123-12-1234格式的社會安全號碼
|
有許多源代碼開放的正則表達式庫可供Java程序員使用,而且它們中的許多支持Perl 5兼容的正則表達式語法。我在這里選用的是Jakarta-ORO正則表達式庫,它是最全面的正則表達式API之一,而且它與Perl 5正則表達式完全兼容。另外,它也是優化得最好的API之一。 |
Jakarta-ORO庫以前叫做OROMatcher,Daniel Savarese大方地把它贈送給了Jakarta Project。你可以按照本文最后參考資源的說明下載它。 |
我首先將簡要介紹使用Jakarta-ORO庫時你必須創建和訪問的對象,然后介紹如何使用Jakarta-ORO API。 |
首先,創建一個Perl5Compiler類的實例,并把它賦值給PatternCompiler接口對象。Perl5Compiler是PatternCompiler接口的一個實現,允許你把正則表達式編譯成用來匹配的Pattern對象。 |
要把正則表達式編譯成Pattern對象,調用compiler對象的compile()方法,并在調用參數中指定正則表達式。例如,你可以按照下面這種方式編譯正則表達式“t[aeio]n”: |
默認情況下,編譯器創建一個大小寫敏感的模式(pattern)。因此,上面代碼編譯得到的模式只匹配“tin”、“tan”、 “ten”和“ton”,但不匹配“Tin”和“taN”。要創建一個大小寫不敏感的模式,你應該在調用編譯器的時候指定一個額外的參數: |
創建好Pattern對象之后,你就可以通過PatternMatcher類用該Pattern對象進行模式匹配。 |
PatternMatcher對象根據Pattern對象和字符串進行匹配檢查。你要實例化一個Perl5Matcher類并把結果賦值給 PatternMatcher接口。Perl5Matcher類是PatternMatcher接口的一個實現,它根據Perl 5正則表達式語法進行模式匹配: |
使用PatternMatcher對象,你可以用多個方法進行匹配操作,這些方法的第一個參數都是需要根據正則表達式進行匹配的字符串: |
· boolean matches(String input, Pattern pattern):當輸入字符串和正則表達式要精確匹配時使用。換句話說,正則表達式必須完整地描述輸入字符串。 |
· boolean matchesPrefix(String input, Pattern pattern):當正則表達式匹配輸入字符串起始部分時使用。 |
· boolean contains(String input, Pattern pattern):當正則表達式要匹配輸入字符串的一部分時使用(即,它必須是一個子串)。 |
另外,在上面三個方法調用中,你還可以用PatternMatcherInput對象作為參數替代String對象;這時,你可以從字符串中最后一次匹配的位置開始繼續進行匹配。當字符串可能有多個子串匹配給定的正則表達式時,用PatternMatcherInput對象作為參數就很有用了。用 PatternMatcherInput對象作為參數替代String時,上述三個方法的語法如下: |
· boolean matches(PatternMatcherInput input, Pattern pattern) |
· boolean matchesPrefix(PatternMatcherInput input, Pattern pattern) |
· boolean contains(PatternMatcherInput input, Pattern pattern) |
下面我們來看看Jakarta-ORO庫的一些應用實例。 |
任務:分析一個Web服務器日志文件,確定每一個用戶花在網站上的時間。在典型的BEA WebLogic日志文件中,日志記錄的格式如下: |
分析這個日志記錄,可以發現,要從這個日志文件提取的內容有兩項:IP地址和頁面訪問時間。你可以用分組符號(圓括號)從日志記錄提取出IP地址和時間標記。 |
首先我們來看看IP地址。IP地址有4個字節構成,每一個字節的值在0到255之間,各個字節通過一個句點分隔。因此,IP地址中的每一個字節有至少一個、最多三個數字。圖八顯示了為IP地址編寫的正則表達式: |
IP地址中的句點字符必須進行轉義處理(前面加上“\”),因為IP地址中的句點具有它本來的含義,而不是采用正則表達式語法中的特殊含義。句點在正則表達式中的特殊含義本文前面已經介紹。 |
日志記錄的時間部分由一對方括號包圍。你可以按照如下思路提取出方括號里面的所有內容:首先搜索起始方括號字符(“[”),提取出所有不超過結束方括號字符(“]”)的內容,向前尋找直至找到結束方括號字符。圖九顯示了這部分的正則表達式。 |
現在,把上述兩個正則表達式加上分組符號(圓括號)后合并成單個表達式,這樣就可以從日志記錄提取出IP地址和時間。注意,為了匹配“- -”(但不提取它),正則表達式中間加入了“\s-\s-\s”。完整的正則表達式如圖十所示。 |
現在正則表達式已經編寫完畢,接下來可以編寫使用正則表達式庫的Java代碼了。 |
為使用Jakarta-ORO庫,首先創建正則表達式字符串和待分析的日志記錄字符串: |
這里使用的正則表達式與圖十的正則表達式差不多完全相同,但有一點例外:在Java中,你必須對每一個向前的斜杠(“\”)進行轉義處理。圖十不是 Java的表示形式,所以我們要在每個“\”前面加上一個“\”以免出現編譯錯誤。遺憾的是,轉義處理過程很容易出現錯誤,所以應該小心謹慎。你可以首先輸入未經轉義處理的正則表達式,然后從左到右依次把每一個“\”替換成“\\”。如果要復檢,你可以試著把它輸出到屏幕上。 |
初始化字符串之后,實例化PatternCompiler對象,用PatternCompiler編譯正則表達式創建一個Pattern對象: |
現在,創建PatternMatcher對象,調用PatternMatcher接口的contain()方法檢查匹配情況: |
接下來,利用PatternMatcher接口返回的MatchResult對象,輸出匹配的組。由于logEntry字符串包含匹配的內容,你可以看到類如下面的輸出: |
下面一個任務是分析HTML頁面內FONT標記的所有屬性。HTML頁面內典型的FONT標記如下所示: |
程序將按照如下形式,輸出每一個FONT標記的屬性: |
在這種情況下,我建議你使用兩個正則表達式。第一個如圖十一所示,它從字體標記提取出“"face="Arial, Serif" size="+2" color="red"”。 |
第二個正則表達式如圖十二所示,它把各個屬性分割成名字-值對。 |
現在我們來看看完成這個任務的Java代碼。首先創建兩個正則表達式字符串,用Perl5Compiler把它們編譯成Pattern對象。編譯正則表達式的時候,指定Perl5Compiler.CASE_INSENSITIVE_MASK選項,使得匹配操作不區分大小寫。 |
接下來,創建一個執行匹配操作的Perl5Matcher對象。 |
假設有一個String類型的變量html,它代表了HTML文件中的一行內容。如果html字符串包含FONT標記,匹配器將返回true。此時,你可以用匹配器對象返回的MatchResult對象獲得第一個組,它包含了FONT的所有屬性: |
接下來創建一個PatternMatcherInput對象。這個對象允許你從最后一次匹配的位置開始繼續進行匹配操作,因此,它很適合于提取FONT標記內屬性的名字-值對。創建PatternMatcherInput對象,以參數形式傳入待匹配的字符串。然后,用匹配器實例提取出每一個FONT的屬性。這通過指定PatternMatcherInput對象(而不是字符串對象)為參數,反復地調用PatternMatcher對象的contains ()方法完成。PatternMatcherInput對象之中的每一次迭代將把它內部的指針向前移動,下一次檢測將從前一次匹配位置的后面開始。 |
下面我們來看看另一個處理HTML的例子。這一次,我們假定Web服務器從widgets.acme.com移到了newserver.acme.com。現在你要修改一些頁面中的鏈接: |
如果能夠匹配這個正則表達式,你可以用下面的內容替換圖十三的鏈接: |
注意#字符的后面加上了$1。Perl正則表達式語法用$1、$2等表示已經匹配且提取出來的組。圖十三的表達式把所有作為一個組匹配和提取出來的內容附加到鏈接的后面。 |
現在,返回Java。就象前面我們所做的那樣,你必須創建測試字符串,創建把正則表達式編譯到Pattern對象所必需的對象,以及創建一個PatternMatcher對象: |
接下來,用com.oroinc.text.regex包Util類的substitute()靜態方法進行替換,輸出結果字符串: |
Util.substitute()方法的語法如下: |
posted @
2006-03-18 14:32 JavaWorm 閱讀(930) |
評論 (1) |
編輯 收藏
若想明白jsp開發過程中為什么會產生中文亂碼,我們先來看看unicode編碼。
Unicode (統一碼)顧名思義是一個將世界上各種文字統一在一起的東東。由美國各大電腦廠商組成的Unicode策進會來推動。目的,推廣一個世界通用的編碼體制,驚世界上所有常用的文字都涵蓋進去,從而減少個電腦商開發國外市場遇到的問題。
為了將成千上萬的文字統統收集到一個共同的編碼機制下,在兼顧經濟的原則下,不管是東方還是西方文字,每個字在Unicode中一律以兩個Bytes來表示,這樣至少有2的16次方65536種不同的組合,足以應付目前絕大多數場合的需要。
基本上,計算機只是處理數字。它們指定一個數字,來儲存字母或其他字符。在創造Unicode之前,有數百種指定這些數字的編碼系統。沒有一個編碼可以包含足夠的字符:例如,單單歐州共同體就需要好幾種不同的編碼來包括所有的語言。即使是單一種語言,例如英語,也沒有哪一個編碼可以適用于所有的字母,標點符號,和常用的技術符號。
這些編碼系統也會互相沖突。也就是說,兩種編碼可能使用相同的數字代表兩個不同的字符,或使用不同的數字代表相同的字符。任何一臺特定的計算機(特別是服務器)都需要支持許多不同的編碼,但是,不論什么時候數據通過不同的編碼或平臺之間,那些數據總會有損壞的危險。
Unicode給每個字符提供了一個唯一的數字,不論是什么平臺,不論是什么程序,不論什么語言。Unicode標準已經被這些工業界的領導們所采用,例如:Apple, HP, IBM, JustSystem, Microsoft, Oracle, SAP, Sun, Sybase, Unisys和其它許多公司。最新的標準都需要Unicode,例如XML, Java, ECMAScript (JavaScript), LDAP, CORBA 3.0, WML等等,并且,Unicode是實現ISO/IEC 10646的正規方式。許多操作系統,所有最新的瀏覽器和許多其他產品都支持它。Unicode標準的出現和支持它工具的存在,是近來全球軟件技術最重要的發展趨勢。
將Unicode與客戶服務器或多層應用程序和網站結合,比使用傳統字符集節省費用。Unicode使單一軟件產品或單一網站能夠貫穿多個平臺,語言和國家,而不需要重建。它可將數據傳輸到許多不同的系統,而無損壞。
在與Unicode相關的各技術文件中,經常會看到ISO 10646和UCS這兩個名詞。
ISO是位于瑞士的國際標準局的縮寫。
UCS為ISO頒布的第10646號標準 Universal Character Set,就是世界通用字符集。
UCS通用字符集采用4個Bytes來編碼,將世界上所有的官用和商用編碼大小通吃,一網打盡。Unicode自1991年便和ISO的UCS小組密切配合,讓Unicode和ISO 10646保持一致。因此Unicode 自2.0版開始,便和 ISO 10646-1使用相同的編碼。
康熙字典中的漢字有4萬7千,如果再加上里面沒有的簡體字,和不同寫法的日文字,那么 Unicode6萬多的分配空間,光用來分配漢字就顯得捉禁見晝,更別說什么泰文,阿拉伯等其他文字了。針對這個問題Unicode和UCS采用了[中日韓文整合](CJK Unification)的解決方案,把中日韓筆畫詳盡的漢字用同一個單碼表示。
經過[中日韓文整合]的Unicode稱為統漢字Unihan。
完整的Unicode4.0版可由
http://www.unicode.org/Public/UNIDATA/Unihan.txt
下載。
UTF (Unicode/UCS Transformation Format),Unicode推薦使用UTF-8和UTF-16兩種格式其中8和16指的是Bits數而不是Bytes數。
UTF-16基本就是Unicode雙字節的實現,加上一個應付未來需要的擴充編碼機制(很少用)
UTF-8 是一種不等幅的編碼方式,英數字(Ascii字碼)保持原狀,完全不受影響(因此不需要做轉換),而其他漢字資料須透過程序來轉換,會[變胖],因為每個字需要額外一個或兩個Bytes來編碼。
UCS字符集中,有UCS-2和UCS-4等編碼方式其中的2和4指的是bytes數,對應UTF-8和UTF-16.
UCS-2基本和Unicode雙byte 編碼差不多
UCS-4四 byte編碼表示一個字,在每個 UCS-2前面加上兩個空白的Byte,便可得到對應的 UCS-4。
Unicode的空間分配:
以下Unicode區位碼均以16進制表示
Unicode的前256個字符和ISO-8859-1(西歐字母)完全相同,其中前半段就是Ascii(u+0000到u+00FF)。每個ISO-8859-1碼前面補上一個空byte(0x00)后才是相應的Unicode碼。
和我們切身相關的Unihan主要分布在u+3400到u+F9FFF之間,GB2312和BIG5主要分布在u+4E00到U+9FFF之間。
UTF-8的編碼原理和特性:
知道了西歐字符和漢字在Unicode中的位置后,來看看UTF-8
U+0000~U+007E 1 _ _ _ _ _ _ _ (7bits)
U+0080~U+07FF 1 1 0_ _ _ _ _ 1 0_ _ _ _ _ _ (11bits)
U+0800~U+FFFF 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ (16bits)
看一看Unicode三種格式提出自由的bits(下劃線空位)是否足以用來代表區位中各Unicode碼,剛好夠用。
那么當程序處理UTF-8編碼文件時,如何得知一個字符的疆界落在哪里?還有到底他是以三種形式那一中出現呢?
每個以UTF-8編碼的字符,不管是以一、二、三個bytes出現,第一個byte前端都清楚地標示了該字符的byte總數。如110種有兩個1,代表這種字符是以第二種方式出現,由兩個bytes組成。而1110有三個1,表示這種字符一點種方式出現,由三個字節組成。
每個多重byte的UTF-8編碼有一個共同的通性,即其中的第二個第三個byte, 一律以10兩個bits開頭。由于其中的最高位總設成1,可以很容易和那些在UTF-8中只用一個Byte的ASCII字元區分開來,方便偵錯。
因為上述設計特點,UTF-8和Unicode之間,可以很容易做雙向自由轉換,而不會丟失任何資料。
解決辦法:亂碼問題在 NT操作系統我沒怎么碰到過,但是在UNIX 或LINUX系統上出現的比較多
由于操作系統和使用環境不一樣,產生亂碼的方式也不一樣,但是如果掌握了上面的Unicode 編碼原理,自己仔細分析一下,很多問題便可迎刃而解。
下面看看幾個常見的例子。
1. 如果一些網站服務器例如Tomcat 如果遇到中文亂碼問題,可以修改conf目錄下的server.xml
<Connector port="8080" maxThreads="150" minSpareThreads="25" maxSpareThreads="75"
enableLookups="false" redirectPort="8443" acceptCount="100" debug="0"connectionTimeout="20000" disableUploadTimeout="true" URIEncoding="GBK"/>
URIENcoding 設成GBK或GB2312
2. 表單中或傳遞字符串:本來輸入的漢字是正常的,但是提交后再顯示出來是亂碼,因為提交的一般是 ISO8859編碼,所以顯示的時候要轉成GB2312編碼:
String S=new String(rs.getString("news").getBytes("gb2312"),"ISO8859_1");
//rs為待轉換的字符串
然后使用S字符串的值就可以了
3. 有的服務器端的語言環境如果設成簡體中文的也可以解決此類問題
4. 插入數據庫中的字符是亂碼
看看數據庫中支持的是何種編碼方式,用類似2中的方式作一下轉換即可。
5. 總之,用jsp開發,碰到亂碼,你得分析是讀的時候發生亂碼,還是寫的時候發生亂碼,用2中的轉換,基本就能解決問題,有些時候寫的時候做一次轉換,例如:
String S=new String(rs.getString("news").getBytes("gb2312"),"ISO8859_1");
//讀的時候在轉換回來
String S=new String(rs.getString("news").getBytes("ISO8859_1"),"GB2312");
或者把ISO8859-1和GB2312 的位置換一下,自己多試試,就能找到解決問題的辦法。
來自:http://blog.csdn.net/softj/archive/2006/03/15/625193.aspx
posted @
2006-03-18 14:24 JavaWorm 閱讀(281) |
評論 (0) |
編輯 收藏