什么是UTF
UTF，是Unicode Text Format的縮寫，意為Unicode文本格式。對于UTF，是這樣定義的：
（1）如果Unicode的16位字符的頭9位是0，則用一個字節表示，這個字節的首位是“0”，剩下的7位與原字符中的后7位相同，如“\u0034”（0000 0000 0011 0100），用“34” (0011 0100)表示；（與源Unicode字符是相同的）；
（2）如果Unicode的16位字符的頭5位是0，則用2個字節表示，首字節是“110”開頭，后面的5位與源字符中除去頭5個零后的最高5位相同；第二個字節以“10”開頭，后面的6位與源字符中的低6位相同。如“\u025d”（0000 0010 0101 1101），轉化后為“c99d”（1100 1001 1001 1101）；
（3）如果不符合上述兩個規則，則用三個字節表示。第一個字節以“1110”開頭，后四位為源字符的高四位；第二個字節以“10”開頭，后六位為源字符中間的六位；第三個字節以“10”開頭，后六位為源字符的低六位；如“\u9da7”（1001 1101 1010 0111），轉化為“e9b6a7”（1110 1001 1011 0110 1010 0111）；
可以這么描述JAVA程序中Unicode與UTF的關系，雖然不絕對：字符串在內存中運行時，表現為Unicode代碼，而當要保存到文件或其它介質中去時，用的是UTF。這個轉化過程是由writeUTF和readUTF來完成的。
好了，基礎性的論述差不多了，下面進入正題。
先把這個問題想成是一個黑匣子。先看黑匣子的一級表示：
input(charsetA)-＞process(Unicode)-＞output(charsetB)
簡單，這就是一個IPO模型，即輸入、處理和輸出。同樣的內容要經過“從charsetA到unicode再到charsetB”的轉化。
再看二級表示：
SourceFile(jsp,java)-＞class-＞output
在這個圖中，可以看出，輸入的是jsp和java源文件，在處理過程中，以Class文件為載體，然后輸出。再細化到三級表示：
jsp-＞temp file-＞class-＞browser,os console,db
app,servlet-＞class-＞browser,os console,db
這個圖就更明白了。Jsp文件先生成中間的Java文件，再生成Class。而Servlet和普通App則直接編譯生成Class。然后，從Class再輸出到瀏覽器、控制臺或數據庫等。
JSP：從源文件到Class的過程
Jsp的源文件是以“.jsp”結尾的文本文件。在本節中，將闡述JSP文件的解釋和編譯過程，并跟蹤其中的中文變化。
1、JSP/Servlet引擎提供的JSP轉換工具（jspc）搜索JSP文件中用＜%@ page contentType ="text/html; charset=＜Jsp-charset＞"%＞中指定的charset。如果在JSP文件中未指定＜Jsp-charset＞，則取JVM中的默認設置file.encoding，一般情況下，這個值是ISO8859-1；
2、jspc用相當于“javac –encoding ＜Jsp-charset＞”的命令解釋JSP文件中出現的所有字符，包括中文字符和ASCII字符，然后把這些字符轉換成Unicode字符，再轉化成UTF格式，存為JAVA文件。ASCII碼字符轉化為Unicode字符時只是簡單地在前面加“00”，如“A”，轉化為“\u0041”（不需要理由，Unicode的碼表就是這么編的）。然后，經過到UTF的轉換，又變回“41”了！這也就是可以使用普通文本編輯器查看由JSP生成的JAVA文件的原因；
3、引擎用相當于“javac –encoding UNICODE”的命令，把JAVA文件編譯成CLASS文件；
先看一下這些過程中中文字符的轉換情況。有如下源代碼：
＜%@ page contentType="text/html; charset=gb2312"%＞
＜html＞＜body＞
＜%
String a="中文";
out.println(a);
%＞
＜/body＞＜/html＞ |
這段代碼是在UltraEdit for Windows上編寫的。保存后，“中文”兩個字的16進制編碼為“D6 D0 CE C4”（GB2312編碼）。經查表，“中文”兩字的Unicode編碼為“\u4E2D\u6587”，用 UTF表示就是“E4 B8 AD E6 96 87”。打開引擎生成的由JSP文件轉變而成的JAVA文件，發現其中的“中文”兩個字確實被“E4 B8 AD E6 96 87”替代了，再查看由JAVA文件編譯生成的CLASS文件，發現結果與JAVA文件中的完全一樣。
再看JSP中指定的CharSet為ISO-8859-1的情況。
＜%@ page contentType="text/html; charset=ISO-8859-1"%＞
＜html＞＜body＞
＜%
String a="中文";
out.println(a);
%＞
＜/body＞＜/html＞ |
同樣，該文件是用UltraEdit編寫的，“中文”這兩個字也是存為GB2312編碼“D6 D0 CE C4”。先模擬一下生成的JAVA文件和CLASS文件的過程：jspc用ISO-8859-1來解釋“中文”，并把它映射到Unicode。由于ISO-8859-1是8位的，且是拉丁語系，其映射規則就是在每個字節前加“00”，所以，映射后的Unicode編碼應為“\u00D6\u00D0\u00CE\u00C4”，轉化成UTF后應該是“C3 96 C3 90 C3 8E C3 84”。好，打開文件看一下，JAVA文件和CLASS文件中，“中文”果然都表示為“C3 96 C3 90 C3 8E C3 84”。
如果上述代碼中不指定＜Jsp-charset＞，即把第一行寫成“＜%@ page contentType="text/html" %＞”，JSPC會使用file.encoding的設置來解釋JSP文件。在RedHat 6.2上，其處理結果與指定為ISO-8859-1是完全相同的。
到現在為止，已經解釋了從JSP文件到CLASS文件的轉變過程中中文字符的映射過程。一句話：從“JspCharSet到Unicode再到UTF”。下表總結了這個過程：
表2 “中文”從JSP到CLASS的轉化過程
| Jsp-CharSet |
JSP文件中 |
JAVA文件中 |
CLASS文件中 |
| GB2312 |
D6 D0 CE C4(GB2312) |
從\u4E2D\u6587(Unicode)到E4 B8 AD E6 96 87 (UTF) |
E4 B8 AD E6 96 87 (UTF) |
| ISO-8859-1 |
D6 D0 CE C4
(GB2312) |
從\u00D6\u00D0\u00CE\u00C4 (Unicode)到C3 96 C3 90 C3 8E C3 84 (UTF) |
C3 96 C3 90 C3 8E C3 84 (UTF) |
| 無（默認＝file.encoding） |
同ISO-8859-1 |
同ISO-8859-1 |
同ISO-8859-1 |
下節先討論Servlet從JAVA文件到CLASS文件的轉化過程，然后再解釋從CLASS文件如何輸出到客戶端。之所以這樣安排，是因為JSP和Servlet在輸出時處理方法是一樣的。