一、概要 在JAVA應用程序特別是基於WEB的程序中,經常遇到字元的編碼問題。為了防止出現亂碼,首先需要了解JAVA是如何處理字元的,這樣就可以有目的地在輸入/輸出環節中增加必要的轉碼。其次,由於各種伺服器有不同的處理方式,還需要多做試驗,確保使用中不出現亂碼。 二、基本概念 2.1 JAVA中字元的表達 JAVA中有char、byte、String這幾個概念。char 指的是一個UNICODE字元,為16位的整數。byte 是位元組,字元串在網路傳輸或存儲前需要轉換為byte數組。在從網路接收或從存儲設備讀取后需要將byte數組轉換成String。String是字元串,可以看成是由char組成的數組。String 和 char 為內存形式,byte是網路傳輸或存儲的序列化形式。 舉例: 英 String ying = 「英」; char ying = ying.charAt(0); String yingHex = Integer.toHexString(ying); 82 F1 byte yingGBBytes = ying.getBytes(「GBK」); GB編碼的位元組數值 D3 A2 2.2 編碼方式的簡介 String序列化成byte數組或反序列化時需要選擇正確的編碼方式。如果編碼方式不正確,就會得到一些0x3F的值。常用的字元編碼方式有ISO8859_1、GB2312、GBK、UTF-8/UTF-16/UTF-32。 ISO8859_1用來編碼拉丁文,它由單位元組(0-255)組成。 GB2312、GBK用來編碼簡體中文,它有單位元組和雙位元組混合組成。最高位為1的位元組和下一個位元組構成一個漢字,最高位為0的位元組是ASCII碼。 UTF-8/UTF-16/UTF-32是國際標準UNICODE的編碼方式。 用得最多的是UTF-8,主要是因為它在對拉丁文編碼時節約空間。 UNICODE值 UTF-8編碼 U-00000000 - U-0000007F: 0xxxxxxx U-00000080 - U-000007FF: 110xxxxx 10xxxxxx U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 三、J2SE中相關的函數 String str =」英」; //取得GB2312編碼的位元組 byte[] bytesGB2312 = str.getBytes(「GB2312」); //取得平台預設編碼的位元組(solaris為ISO8859_1,windows為GB2312) byte[] bytesDefault = str.getBytes(); //用指定的編碼將位元組轉換成字元串 String newStrGB = new String(bytesGB2312, 「GB2312」); //用平台預設的編碼將位元組轉換成字元串(solaris為ISO8859_1,windows為GB2312) String newStrDefault = new String(bytesDefault); //用指定的編碼從位元組流裡面讀取字元 InputStream in = xxx; InputStreamReader reader = InputStreamReader( in, 「GB2312」); char aChar = reader.read(); 四、JSP、資料庫的編碼 4.1 JSP中的編碼 (1) 靜態聲明: CHARSET有兩個作用: JSP文件的編碼方式:在讀取JSP文件、生成JAVA類時,源JSP文件中漢字的編碼 JSP輸出流的編碼方式:在執行JSP時,往response流裡面寫入數據的編碼方式 (2) 動態改變:在往response流裡面寫數據前可以調用response.setContentType(),設定正確的編碼類型。 (3) 在TOMCAT中,由Request.getParameter() 得到的參數,編碼方式都是ISO8859_1。所以如果在瀏覽器輸入框內輸入一個漢字「英」,在伺服器端就得到一個ISO8859_1編碼的(0x00,0xD3,0x00,0xA2)。所以通常在接收參數時轉碼: String wrongStr = response.getParameter(「name」); String correctStr = new String(wrongStr.getBytes(「ISO8859_1」),」GB2312」); 在最新的SERVLET規範裡面,也可以在獲取參數之前執行如下代碼: request.setCharacterEncoding(「GB2312」); 4.2 資料庫的編碼 (1) 資料庫使用UTF-16 如果String中是UNICODE字元,寫入讀出時不需要轉碼 (2) 資料庫使用ISO8859_1 如果String中是UNICODE字元,寫入讀出時需要轉碼 寫入:String newStr = new String(oldStr.getByte(「GB2312」), 「ISO8859_1」); 讀出:String newStr = new String(oldStr.getByte(「ISO8859_1」),」GB2312」); 五、源文件的編碼 5.1 資源文件 資源文件的編碼方式和編輯平台相關。在WINDOWS平台下編寫的資源文件,以GB2312方式編碼。在編譯時需要轉碼,以確保在各個平台上的正確性: native2ascii ?encoding GB2312 source.properties 這樣從資源文件中讀出的就是正確的UNICODE字元串。 5.2 源文件 源文件的編碼方式和編輯平台相關。在WINDOWS平台下開發的源文件,以GB2312方式編碼。在編譯的時候,需要指定源文件的編碼方式: javac ?encoding GB2312 JAVA編譯後生成的位元組文件的編碼為UTF-8。 ①最新版TOMCAT4.1.18支持request.setCharacterEncoding(String enc) ②資源文件轉碼成company.name=\u82f1\u65af\u514b ③如果資料庫使用utf-16則不需要這部分轉碼 ④頁面上應有 轉碼ⅰ: String s = new String (request.getParameter(「name」).getBytes(「ISO8859_1」),」GB2312」); 轉碼ⅱ: String s = new String(name.getBytes(「GB2312」),」ISO8859_1」); 轉碼ⅲ: String s = new String(name.getBytes(「ISO8859_1」),」 GB2312」);
[火星人
]
WEB開發中的JAVA字元編碼經驗總結 已經有520 次圍觀
本文地址: http://coctec.com/docs/linux/show-post-189229.html