歡迎您光臨本站 註冊首頁

WEB開發中的JAVA字元編碼經驗總結

←手機掃碼閱讀     火星人 @ 2014-03-26 , reply:0

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:

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

http://coctec.com/docs/linux/show-post-189229.html