posts - 19, comments - 1, trackbacks - 0, articles - 0
            BlogJava :: 首頁 :: 新隨筆 :: 聯(lián)系 :: 聚合  :: 管理

          日歷

          <2006年9月>
          272829303112
          3456789
          10111213141516
          17181920212223
          24252627282930
          1234567

          常用資料

          搜索

          •  

          作者:owen1944

          一、字節(jié)和unicode

          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:

          ?

          public static ByteToCharConverter getDefault();
          public static ByteToCharConverter getConverter(String encoding);

          ?

          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。


          byte ——〉char:
          "你"的gb碼是:0xc4e3 ,unicode是0x4f60
          String encoding = "gb2312";
          byte b[] = {(byte)'\u00c4',(byte)'\u00e3'};
          ByteToCharConverter converter = ByteToCharConverter.getConverter(encoding);
          char c[] = converter.convertAll(b);
          for (int i = 0; i < c.length; i++) {
          System.out.println(Integer.toHexString(c[i]));
          }
          結(jié)果是什么?0x4f60
          如果encoding ="8859_1",結(jié)果又是什么?0x00c4,0x00e3

          ?

          如果代碼改為:


          byte b[] = {(byte)'\u00c4',(byte)'\u00e3'};
          ByteToCharConverter converter = ByteToCharConverter. getDefault();
          ?char c[] = converter.convertAll(b);
          ?for (int i = 0; i < c.length; i++) {
          ??? System.out.println(Integer.toHexString(c[i]));
          ?}

          ?

          結(jié)果將又是什么?

          這就要根據(jù)平臺的編碼而定。


          char ——〉byte:
          ??? String encoding = "gb2312";
          ??? char c[] = {'\u4f60'};
          ??? CharToByteConverter converter = CharToByteConverter.getConverter(encoding);
          ??? byte b[] = converter.convertAll(c);
          ??? for (int i = 0; i < b.length; i++) {
          ?????? System.out.println(Integer.toHexString(b[i]));
          ??? }
          結(jié)果是什么?0x00c4,0x00e3
          如果encoding ="8859_1",結(jié)果又是什么?0x3f
          如果代碼改為
          String encoding = "gb2312";
          ??? char c[] = {'\u4f60'};
          ??? CharToByteConverter converter = CharToByteConverter.getDefault();
          ??? byte b[] = converter.convertAll(c);
          ??? for (int i = 0; i < b.length; i++) {
          ?????? System.out.println(Integer.toHexString(b[i]));
          ??? }

          ?

          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(shí)現(xiàn)很簡單:


          7位的unicode: 0 _ _ _ _ _ _ _
          11位的unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _
          16位的unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
          21位的unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _

          ?

          大多數(shù)情況是只使用到16位以下的unicode:


          "你"的gb碼是:0xc4e3 ,unicode是0x4f60
          ??? 0xc4e3的二進(jìn)制:
          ????????? 1100 ,0100 ,1110 ,0011

          ?

          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?yàn)榈冢肺徊皇?因此,返回"?"


          0x4f60的二進(jìn)制:
          ?????????????? 0100 ,1111 ,0110 ,0000
          ???????? 我們用utf-8補(bǔ)齊,變成:
          ?????????????? 1110 ,0100 ,1011 ,1101 ,1010 ,0000
          ???????? e4--bd-- a0
          ???????? 于是返回:0xe4,0xbd,0xa0。

          ?

          三、string和byte[]

          string其實(shí)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(shí)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:


          String encoding = “”;
          byte [] b={(byte)'\u00c4',(byte)'\u00e3'};
          String str=new String(b,encoding);

          ?

          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:


          文件test.txt只有一個"你"字,0xc4,0xe3
          String encoding = "gb2312";
          ??? InputStreamReader reader = new InputStreamReader(new FileInputStream(
          ??????? "text.txt"), encoding);
          ??? char c[] = new char[10];
          ??? int length = reader.read(c);
          ??? for (int i = 0; i < length; i++) {
          ?????? System.out.println(c[i]);
          ??? }

          ?

          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(rèn)識。反過來的例子自己做。
          五、我們要對Java的編譯器有所了解:

          ?

          ?

          ?

          ?

          ?

          ?

          Javac ?encoding

          ?

          我們常常沒有用到encoding這個參數(shù)。其實(shí)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(rèn)encoding,gb平臺上是gb2312,英文平臺上是iso8859_1。Java的編譯器實(shí)際上是調(diào)用sun.tools.Javac.main的類,對文件進(jìn)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(shí)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:


          String str = "你";
          ??? FileWriter writer = new FileWriter("text.txt");
          ??? write.write(str);
          ??? writer.close();

          如果用gb2312編譯,你會找到e4 bd a0的字段 ;
          如果用8859_1編譯, 00c4 00e3的二進(jìn)制:
          0000,0000 ,1100,0100 ,0000,0000 ,1110,0011
          因?yàn)槊總€字符都大于7位,因此用11位編碼:
          1100,0001,1000,0100,1100,0011,1010,0011
          c1-- 84-- c3--  a3
          你會找到c1 84 c3 a3

          ?

          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(shí)str在運(yùn)行態(tài)的char[]是0x4f60, 在中文平臺上運(yùn)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(jìn)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(shí)str在運(yùn)行態(tài)的char[]是0x00c4 0x00e3, 在中文平臺上運(yùn)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(jìn)了文件。

          六、其它原因:


          <%@ page contentType="text/html; charset=GBK" %>

          ?

          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:


          <web-app>
          ? <filter>
          ??? <filter-name>RequestFilter</filter-name>
          ??? <filter-class>net.golden.uirs.util.RequestFilter</filter-class>
          ??? <init-param>
          ????? <param-name>charset</param-name>
          ????? <param-value>gb2312</param-value>
          ??? </init-param>
          ? </filter>
          ? <filter-mapping>
          ??? <filter-name>RequestFilter</filter-name>
          ??? <url-pattern>*.Jsp</url-pattern>
          ? </filter-mapping>
          </web-app>


          ? public void doFilter(ServletRequest req, ServletResponse res,
          ?????????????????????? FilterChain fChain) throws IOException, ServletException {
          ??? HttpServletRequest request = (HttpServletRequest) req;
          ??? HttpServletResponse response = (HttpServletResponse) res;
          ??? HttpSession session = request.getSession();
          ??? String userId = (String) session.getAttribute("userid");
          req.setCharacterEncoding(this.filterConfig.getInitParameter("charset"));
          // 設(shè)置字符集?
          實(shí)際上是設(shè)置了byte ——〉char的encoding
          ??? try {
          ????? if (userId == null || userId.equals("")) {
          ??????? if (!request.getRequestURL().toString().matches(
          ??????????? ".*/uirs/logon/logon(Controller){0,1}\\x2EJsp$")) {
          ????????? session.invalidate();
          ????????? response.sendRedirect(request.getContextPath() +
          ??????????????????????????????? "/uirs/logon/logon.Jsp");
          ??????? }
          ????? }
          ????? else {
          ?? // 看看是否具有信息上報(bào)系統(tǒng)的權(quán)限
          ??????? if (!net.golden.uirs.util.UirsChecker.check(userId, "信息上報(bào)系統(tǒng)",
          ??????????? net.golden.uirs.util.UirsChecker.ACTION_DO)) {
          ????????? if (!request.getRequestURL().toString().matches(
          ????????????? ".*/uirs/logon/logon(Controller){0,1}\\x2EJsp$")) {
          ??????????? response.sendRedirect(request.getContextPath() +
          ????????????????????????????????? "/uirs/logon/logonController.Jsp");
          ????????? }
          ??????? }
          ????? }
          ??? }
          ??? catch (Exception ex) {
          ????? response.sendRedirect(request.getContextPath() +
          ??????????????????????????? "/uirs/logon/logon.Jsp");
          ??? }
          ??? fChain.doFilter(req, res);
          ? }

          ?

          ?


          只有注冊用戶登錄后才能發(fā)表評論。


          網(wǎng)站導(dǎo)航:
           
          主站蜘蛛池模板: 济宁市| 衡山县| 泾源县| 商南县| 正宁县| 治县。| 福建省| 保定市| 诸城市| 岚皋县| 安图县| 内黄县| 文山县| 革吉县| 乌苏市| 吴旗县| 双江| 介休市| 时尚| 重庆市| 乌恰县| 平山县| 沐川县| 平阴县| 汤原县| 卓尼县| 大连市| 蒙自县| 峨眉山市| 当阳市| 贺兰县| 和平县| 南开区| 广河县| 兴安盟| 泰安市| 宜都市| 临沭县| 泌阳县| 蓬安县| 荥经县|