中文乱码整理

Java关于中文乱码问题的解决方案与经验 String s = new String(参数.getbytes("ISO-8859-1"),"GBK") 　　string.length()其实就是char数组的长度，如果使用不同的编码，很可能会错分，造成散字和乱码。writer.close();　　如果用gb2312编译，你会找到e4 bd a0的字段 ;设置浏览器的显示编码，如果response的数据是utf8编码，显示将是乱码，但是乱码和上述原因还不一样。 　　一、字节和unicode 　　Java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式是使用字节流的。因此Java要对这些字节流经行转化。 char是unicode的，而byte是字节。Java中byte/char互转的函数在sun.io的包中间有。其中 ByteToCharConverter类是中调度，可以用来告诉你，你用的convertor。其中两个很常用的静态函数是：　 　public static ByteToCharConverter getDefault(); 　　public static ByteToCharConverter getConverter(String encoding); 　　如果你不指定converter，则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用8859_1。　 　byte ——〉char： 　　"你"的gb码是：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])); 　　} 　　结果是什么?0x4f60 　　如果encoding ="8859_1"，结果又是什么?0x00c4,0x00e3(这表明8859_1是以字节为单位的) 　　如果代码改为：　　 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])); 　　} 　　结果将又是什么? 　　这就要根据平台的编码而定。　　 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])); 　　} 　结果是什么?0x00c4,0x00e3 　　如果encoding ="8859_1"，结果又是什么?0x3f 　　如果代码改为　　 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])); 　　} 　　结果将又是什么?还是根据平台的编码而定。 　　很多中文问题就是从这两个最简单的类派生出来的。而却有很多类不直接支持把encoding输入，这给我们带来诸多不便。很多程序难得用encoding了，直接用default的encoding，这就给我们移植带来了很多困难。 　　二、utf-8 　　utf-8是和unicode一一对应的，其实现很简单：　 　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 _ _ _ _ _ _ 　　大多数情况是只使用到16位以下的unicode: 　　"你"的gb码是：0xc4e3 ,unicode是0x4f60 　　0xc4e3的二进制： 　　1100 ，0100 ，1110 ，0011 　　由于只有两位我们按照两位的编码来排，但是我们发现这行不通，因为第7位不是0因此，返回"?" 　　0x4f60的二进制： 　　0100 ，1111 ，0110 ，0000 　　我们用utf-8补齐，变成： 　　1110 ，0100 ，1011 ，1101 ，1010 ，0000 　　e4--bd-- a0 　　于是返回：0xe4,0xbd,0xa0。 三、string和byte[] 　　string其实核心是char[],然而要把byte转化成string，必须经过编码。string.length()其实就是char数组的长度，如果使用不同的编码，很可能会错分，造成散字和乱码。例如： 　　String encoding = “”; 　　byte [] b={(byte)''\u00c4'',(byte)''\u00e3''}; 　　String str=new String(b,encoding); 　　如果encoding=8859_1，会有两个字，但是encoding=gb2312只有一个字这个问题在处理分页是经常发生。 　　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读/写InputStream/OutputStream。例如： 　　文件test.txt只有一个"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]); 　　} 　　结果是什么?是"你"。如果encoding ="8859_1"，结果是什么?"??"两个字符，表示不认识。反过来的例子自己做。 　　五、我们要对Java的编译器有所了解： 　　Javac ?encoding 　　我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。如果没有指定encoding，则按照系统的默认encoding,gb平台上是gb2312，英文平台上是iso8859_1。Java的编译器实际上是调用 sun.tools.Javac.main的类，对文件进行编译，这个类有compile函数中间有一个encoding的变量,-encoding的参 数其实直接传给encoding变量。编译器就是根据这个变量来读取Java文件的，然后把用utf-8形式编译成class文件。例子代码：　 　String str = "你"; 　　FileWriter writer = new FileWriter("text.txt"); 　　write.write(str); 　　writer.close(); 　　如果用gb2312编译，你会找到e4 bd a0的字段 ; 如果用8859_1编译， 00c4 00e3的二进制： 　　0000，0000 ，1100，0100 ，0000，0000 ，1110，0011 　　因为每个字符都大于7位，因此用11位编码： 　　1100，0001，1000，0100，1100，0011，1010，0011 　　c1-- 84--　c3--　 a3 　　你会找到c1 84 c3 a3 　　但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题： 　　样例代码在中文平台上编译，生成zhclass 　　样例代码在英文平台上编译，输出enclass 　　(1) zhclass在中文平台上执行ok,但是在英文平台上不行 　　(2) enclass在英文平台上执行ok,但是在中文平台上不行 　　原因是： 　　(1) 在中文平台上编译后，其实str在运行态的char[]是0x4f60,　在中文平台上运行，filewriter的缺省编码是gb2312,因此 chartobyteconverter会自动用调用gb2312的converter,把str转化成byte输入到fileoutputstream 中，于是0xc4,0xe3放进了文件。但是如果是在英文平台下，chartobyteconverter的缺省值是8859_1, filewriter会自动调用8859_1去转化str,但是他无法解释，因此他会输出"?" 　　(2) 在英文平台上编译后，其实str在运行态的char[]是0x00c4 0x00e3, 在中文平台上运行，中文无法识别，因此会出现??;在英文平台上，0x00c4-->0xc4,0x00e3->0xe3，因此 0xc4,0xe3被放进了文件。 　　六、其它原因： 　　设置浏览器的显示编码，如果response的数据是utf8编码，显示将是乱码，但是乱码和上述原因还不一样。 　　七、发生编码的地方： 　1. 从数据库到Java程序 byte——〉char 　　2. 从Java程序到数据库 char——〉byte 　　3. 从文件到Java程序 byte——〉char 　　4. 从Java程序到文件 char——〉byte 　　5. 从Java程序到页面显示 char——〉byte 　　6. 从页面form提交数据到Java程序byte——〉char 　　7. 从流到Java程序byte——〉char 　　8. 从Java程序到流char——〉byte 　　可以使用配置过滤器的方法解决中文乱码的：　 　RequestFilter 　　net.golden.uirs.util.RequestFilter 　　charset 　　gb2312 　　RequestFilter 　　*.Jsp 　　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")); 　　// 设置字符集? 　　实际上是设置了byte ——〉char的encoding　 　try { 　　if (userId == null || userId.equals("")) { 　　if (!request.getRequestURL().toString().matches( 　　".*/uirs/logon/logon(Controller){0,1}\\x2EJsp$")) { 　　session.invalidate(); 　　response.sendRedirect(request.getContextPath() + 　　"/uirs/logon/logon.Jsp"); 　　} 　　} 　　else { 　　// 看看是否具有信息上报系统的权限　 　 if (!net.golden.uirs.util.UirsChecker.check(userId, "信息上报系统", 　　net.golden.uirs.util.UirsChecker.ACTION_DO)) { 　　if (!request.getRequestURL().toString().matches( 　　".*/uirs/logon/logon(Controller){0,1}\\x2EJsp$")) { 　　resp