一、概要
在JAVA應(yīng)用程序特別是基于WEB的程序中，經(jīng)常遇到字符的編碼問(wèn)題。為了防止出現(xiàn)亂碼，首先需要了解JAVA是如何處理字符的，這樣就可以有目的地在輸入/輸出環(huán)節(jié)中增加必要的轉(zhuǎn)碼。其次，由于各種服務(wù)器有不同的處理方式，還需要多做試驗(yàn)，確保使用中不出現(xiàn)亂碼。
二、基本概念
2．1?JAVA中字符的表達(dá)
JAVA中有char、byte、String這幾個(gè)概念。char 指的是一個(gè)UNICODE字符，為16位的整數(shù)。byte 是字節(jié)，字符串在網(wǎng)絡(luò)傳輸或存儲(chǔ)前需要轉(zhuǎn)換為byte數(shù)組。在從網(wǎng)絡(luò)接收或從存儲(chǔ)設(shè)備讀取后需要將byte數(shù)組轉(zhuǎn)換成String。String是字符串，可以看成是由char組成的數(shù)組。String 和 char 為內(nèi)存形式，byte是網(wǎng)絡(luò)傳輸或存儲(chǔ)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編碼的字節(jié)數(shù)值
D3?A2?
2．2?編碼方式的簡(jiǎn)介
?String序列化成byte數(shù)組或反序列化時(shí)需要選擇正確的編碼方式。如果編碼方式不正確，就會(huì)得到一些0x3F的值。常用的字符編碼方式有ISO8859_1、GB2312、GBK、UTF-8/UTF-16/UTF-32。
ISO8859_1用來(lái)編碼拉丁文，它由單字節(jié)（0－255）組成。
?GB2312、GBK用來(lái)編碼簡(jiǎn)體中文，它有單字節(jié)和雙字節(jié)混合組成。最高位為1的字節(jié)和下一個(gè)字節(jié)構(gòu)成一個(gè)漢字，最高位為0的字節(jié)是ASCII碼。
UTF-8/UTF-16/UTF-32是國(guó)際標(biāo)準(zhǔn)UNICODE的編碼方式。 用得最多的是UTF-8，主要是因?yàn)樗趯?duì)拉丁文編碼時(shí)節(jié)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(guān)的函數(shù)
String str =”英”;
?//取得GB2312編碼的字節(jié)
byte[] bytesGB2312 = str.getBytes(“GB2312”);
//取得平臺(tái)缺省編碼的字節(jié)(solaris為ISO8859_1,windows為GB2312)
byte[] bytesDefault = str.getBytes();
//用指定的編碼將字節(jié)轉(zhuǎn)換成字符串
?String newStrGB = new String(bytesGB2312, “GB2312”);
?
//用平臺(tái)缺省的編碼將字節(jié)轉(zhuǎn)換成字符串(solaris為ISO8859_1,windows為GB2312)
?String newStrDefault = new String(bytesDefault);
?//用指定的編碼從字節(jié)流里面讀取字符
InputStream in = xxx;
InputStreamReader reader = InputStreamReader( in, “GB2312”);
char aChar = reader.read();
四、JSP、數(shù)據(jù)庫(kù)的編碼
4．1?JSP中的編碼
(1) 靜態(tài)聲明:
CHARSET有兩個(gè)作用：
JSP文件的編碼方式：在讀取JSP文件、生成JAVA類時(shí)，源JSP文件中漢字的編碼
JSP輸出流的編碼方式：在執(zhí)行JSP時(shí)，往response流里面寫入數(shù)據(jù)的編碼方式
(2) 動(dòng)態(tài)改變:在往response流里面寫數(shù)據(jù)前可以調(diào)用response.setContentType()，設(shè)定正確的編碼類型。
(3) 在TOMCAT中，由Request.getParameter() 得到的參數(shù)，編碼方式都是ISO8859_1。所以如果在瀏覽器輸入框內(nèi)輸入一個(gè)漢字“英”，在服務(wù)器端就得到一個(gè)ISO8859_1編碼的（0x00,0xD3,0x00,0xA2）。所以通常在接收參數(shù)時(shí)轉(zhuǎn)碼：
String wrongStr = response.getParameter(“name”);
String correctStr = new String(wrongStr.getBytes(“ISO8859_1”),”GB2312”);
在最新的SERVLET規(guī)范里面，也可以在獲取參數(shù)之前執(zhí)行如下代碼：
request.setCharacterEncoding(“GB2312”);
4．2?數(shù)據(jù)庫(kù)的編碼
(1) 數(shù)據(jù)庫(kù)使用UTF-16
如果String中是UNICODE字符，寫入讀出時(shí)不需要轉(zhuǎn)碼
(2) 數(shù)據(jù)庫(kù)使用ISO8859_1
如果String中是UNICODE字符，寫入讀出時(shí)需要轉(zhuǎn)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臺(tái)相關(guān)。在WINDOWS平臺(tái)下編寫的資源文件，以GB2312方式編碼。在編譯時(shí)需要轉(zhuǎn)碼，以確保在各個(gè)平臺(tái)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字符串。
5．2 源文件
源文件的編碼方式和編輯平臺(tái)相關(guān)。在WINDOWS平臺(tái)下開(kāi)發(fā)的源文件，以GB2312方式編碼。在編譯的時(shí)候，需要指定源文件的編碼方式：
javac –encoding GB2312
?JAVA編譯后生成的字節(jié)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(zhuǎn)碼成company.name=\u82f1\u65af\u514b
③如果數(shù)據(jù)庫(kù)使用utf-16則不需要這部分轉(zhuǎn)碼
④頁(yè)面上應(yīng)有
轉(zhuǎn)碼ⅰ:
String s = new String
(request.getParameter(“name”).getBytes(“ISO8859_1”),”GB2312”);
轉(zhuǎn)碼ⅱ:
String s = new String(name.getBytes(“GB2312”),”ISO8859_1”);
轉(zhuǎn)碼ⅲ:
String s = new String(name.getBytes(“ISO8859_1”),” GB2312”);