backup2007

我所理解的IE內(nèi)存泄露

     摘要: 我所理解的IE內(nèi)存泄露                             最近在做一些web方面的東西,突然發(fā)現(xiàn)IE...  閱讀全文

posted @ 2009-02-12 04:40 backup2007 閱讀(1882) | 評論 (0) | 編輯 收藏

編碼問題3轉(zhuǎn)

世界上的各地區(qū)都有本地的語言。地區(qū)差異直接導(dǎo)致了語言環(huán)境的差異。在開發(fā)一個國際化程序的過程中，處理語言問題就顯得很重要了。

　　這是一個世界范圍內(nèi)都存在的問題，所以，Java提供了世界性的解決方法。本文描述的方法是用于處理中文的，但是，推而廣之，對于處理世界上其它國家和地區(qū)的語言同樣適用。

　　漢字是雙字節(jié)的。所謂雙字節(jié)是指一個雙字要占用兩個BYTE的位置（即16位），分別稱為高位和低位。中國規(guī)定的漢字編碼為GB2312，這是 強(qiáng)制性的，目前幾乎所有的能處理中文的應(yīng)用程序都支持GB2312。GB2312包括了一二級漢字和9區(qū)符號，高位從0xa1到0xfe，低位也是從 0xa1到0xfe，其中，漢字的編碼范圍為0xb0a1到0xf7fe。

　　另外有一種編碼，叫做GBK，但這是一份規(guī)范，不是強(qiáng)制的。GBK提供了20902個漢字，它兼容GB2312，編碼范圍為0x8140到0xfefe。GBK中的所有字符都可以一一映射到Unicode 2.0。

　　在不久的將來，中國會頒布另一種標(biāo)準(zhǔn)：GB18030-2000（GBK2K）。它收錄了藏、蒙等少數(shù)民族的字型，從根本上解決了字位不足的問 題。注意：它不再是定長的。其二字節(jié)部份與GBK兼容，四字節(jié)部分是擴(kuò)充的字符、字形。它的首字節(jié)和第三字節(jié)從0x81到0xfe，二字節(jié)和第四字節(jié)從 0x30到0x39。

　　本文不打算介紹Unicode，有興趣的可以瀏覽“http://www.unicode.org/”查看更多的信息。Unicode有一個特 性：它包括了世界上所有的字符字形。所以，各個地區(qū)的語言都可以建立與Unicode的映射關(guān)系，而Java正是利用了這一點以達(dá)到異種語言之間的轉(zhuǎn)換。

　　在JDK中，與中文相關(guān)的編碼有：

　　表1　JDK中與中文相關(guān)的編碼列表

編碼名稱	說明
ASCII	7位，與ascii7相同
ISO8859-1	8-位，與 8859_1,ISO-8859-1,ISO_8859-1,latin1...等相同
GB2312-80	16位，與gb2312,gb2312-1980,EUC_CN,euccn,1381,Cp1381, 1383, Cp1383, ISO2022CN,ISO2022CN_GB...等相同
GBK	與MS936相同，注意：區(qū)分大小寫
UTF8	與UTF-8相同
GB18030	與cp1392、1392相同，目前支持的JDK很少

　　在實際編程時，接觸得比較多的是GB2312（GBK）和ISO8859-1。

　　為什么會有“?”號

　　上文說過，異種語言之間的轉(zhuǎn)換是通過Unicode來完成的。假設(shè)有兩種不同的語言A和B，轉(zhuǎn)換的步驟為：先把A轉(zhuǎn)化為Unicode，再把Unicode轉(zhuǎn)化為B。

　　舉例說明。有GB2312中有一個漢字“李”，其編碼為“C0EE”，欲轉(zhuǎn)化為ISO8859-1編碼。步驟為：先把“李”字轉(zhuǎn)化為 Unicode，得到“674E”，再把“674E”轉(zhuǎn)化為ISO8859-1字符。當(dāng)然，這個映射不會成功，因為ISO8859-1中根本就沒有與 “674E”對應(yīng)的字符。

　　當(dāng)映射不成功時，問題就發(fā)生了！當(dāng)從某語言向Unicode轉(zhuǎn)化時，如果在某語言中沒有該字符，得到的將是Unicode的代碼“" uffffd”（“"u”表示是Unicode編碼，）。而從Unicode向某語言轉(zhuǎn)化時，如果某語言沒有對應(yīng)的字符，則得到的是“0x3f” （“?”）。這就是“?”的由來。

　　例如：把字符流buf =“0x80 0x40 0xb0 0xa1”進(jìn)行new String(buf, "gb2312")操作，得到的結(jié)果是“"ufffd"u554a”，再println出來，得到的結(jié)果將是“?啊”，因為“0x80 0x40”是GBK中的字符，在GB2312中沒有。

　　再如，把字符串String=""u00d6"u00ec"u00e9"u0046"u00bb"u00f9"進(jìn)行new String (buf.getBytes("GBK"))操作，得到的結(jié)果是“3fa8aca8a6463fa8b4”，其中，“"u00d6”在“GBK”中沒有對 應(yīng)的字符，得到“3f”，“"u00ec”對應(yīng)著“a8ac”，“"u00e9”對應(yīng)著“a8a6”，“0046”對應(yīng)著“46”（因為這是ASCII字 符），“"u00bb”沒找到，得到“3f”，最后，“"u00f9”對應(yīng)著“a8b4”。把這個字符串println一下，得到的結(jié)果是“?ìéF? ù”。看到?jīng)]？這里并不全是問號，因為GBK與Unicode映射的內(nèi)容中除了漢字外還有字符，本例就是最好的明證。

　　所以，在漢字轉(zhuǎn)碼時，如果發(fā)生錯亂，得到的不一定都是問號噢！不過，錯了終究是錯了，50步和100步并沒有質(zhì)的差別。

　　或者會問：如果源字符集中有，而Unicode中沒有，結(jié)果會如何？回答是不知道。因為我手頭沒有能做這個測試的源字符集。但有一點是肯定的，那就是源字符集不夠規(guī)范。在Java中，如果發(fā)生這種情況，是會拋出異常的。

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(jié)表示，這個字節(jié)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(jié)表示，首字節(jié)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(jié)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(zhuǎn)化后為“c99d”（1100 1001 1001 1101）；

　　（3）如果不符合上述兩個規(guī)則，則用三個字節(jié)表示。第一個字節(jié)以“1110”開頭，后四位為源字符的高四位；第二個字節(jié)以“10”開頭，后六位 為源字符中間的六位；第三個字節(jié)以“10”開頭，后六位為源字符的低六位；如“"u9da7”（1001 1101 1010 0111），轉(zhuǎn)化為“e9b6a7”（1110 1001 1011 0110 1010 0111）；

　　可以這么描述JAVA程序中Unicode與UTF的關(guān)系，雖然不絕對：字符串在內(nèi)存中運行時，表現(xiàn)為Unicode代碼，而當(dāng)要保存到文件或其它介質(zhì)中去時，用的是UTF。這個轉(zhuǎn)化過程是由writeUTF和readUTF來完成的。

　　好了，基礎(chǔ)性的論述差不多了，下面進(jìn)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(nèi)容要經(jīng)過“從charsetA到unicode再到charsetB”的轉(zhuǎn)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(xì)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(shù)據(jù)庫等。

　　JSP：從源文件到Class的過程

　　Jsp的源文件是以“.jsp”結(jié)尾的文本文件。在本節(jié)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(zhuǎn)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(rèn)設(shè)置file.encoding，一般情況下，這個值是ISO8859-1；

　　2、jspc用相當(dāng)于“javac –encoding <Jsp-charset>”的命令解釋JSP文件中出現(xiàn)的所有字符，包括中文字符和ASCII字符，然后把這些字符轉(zhuǎn)換成Unicode字 符，再轉(zhuǎn)化成UTF格式，存為JAVA文件。ASCII碼字符轉(zhuǎn)化為Unicode字符時只是簡單地在前面加“00”，如“A”，轉(zhuǎn)化為“"u0041” （不需要理由，Unicode的碼表就是這么編的）。然后，經(jīng)過到UTF的轉(zhuǎn)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(dāng)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(zhuǎn)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(jìn)制編碼為“D6 D0 CE C4”（GB2312編碼）。經(jīng)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(zhuǎn)變而成的JAVA文件，發(fā)現(xiàn)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(fā)現(xiàn)結(jié)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(guī)則就是在每個字節(jié)前加“00”，所以，映射后的Unicode編碼應(yīng)為“"u00D6"u00D0" u00CE"u00C4”，轉(zhuǎn)化成UTF后應(yīng)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(shè)置來解釋JSP文件。在RedHat 6.2上，其處理結(jié)果與指定為ISO-8859-1是完全相同的。

　　到現(xiàn)在為止，已經(jīng)解釋了從JSP文件到CLASS文件的轉(zhuǎn)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(jié)了這個過程：

　　表2　“中文”從JSP到CLASS的轉(zhuǎn)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(rèn)＝file.encoding）	同ISO-8859-1	同ISO-8859-1	同ISO-8859-1

下節(jié)先討論Servlet從JAVA文件到CLASS文件的轉(zhuǎn)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。

　　Servlet：從源文件到Class的過程

　　Servlet源文件是以“.java”結(jié)尾的文本文件。本節(jié)將討論Servlet的編譯過程并跟蹤其中的中文變化。

　　用“javac”編譯Servlet源文件。javac可以帶“-encoding <Compile-charset>”參數(shù)，意思是“用< Compile-charset >中指定的編碼來解釋Serlvet源文件”。

　　源文件在編譯時，用<Compile-charset>來解釋所有字符，包括中文字符和ASCII字符。然后把字符常量轉(zhuǎn)變成Unicode字符，最后，把Unicode轉(zhuǎn)變成UTF。

　　在Servlet中，還有一個地方設(shè)置輸出流的CharSet。通常在輸出結(jié)果前，調(diào)用HttpServletResponse的 setContentType方法來達(dá)到與在JSP中設(shè)置<Jsp-charset>一樣的效果，稱之為<Servlet- charset>。

　　注意，文中一共提到了三個變量：<Jsp-charset>、<Compile-charset>和< Servlet-charset>。其中，JSP文件只與<Jsp-charset>有關(guān)，而<Compile- charset>和<Servlet-charset>只與Servlet有關(guān)。

　　看下例：

import javax.servlet.*;

import javax.servlet.http.*;

class testServlet extends HttpServlet
{
public void doGet(HttpServletRequest req,HttpServletResponse resp)
throws ServletException,java.io.IOException
{
resp.setContentType("text/html; charset=GB2312");
java.io.PrintWriter out=resp.getWriter();
out.println("<html>");
out.println("#中文#");
out.println("</html>");
}
}

　　該文件也是用UltraEdit for Windows編寫的，其中的“中文”兩個字保存為“D6 D0 CE C4”（GB2312編碼）。

　　開始編譯。下表是<Compile-charset>不同時，CLASS文件中“中文”兩字的十六進(jìn)制碼。在編譯過程中，< Servlet-charset>不起任何作用。<Servlet-charset>只對CLASS文件的輸出產(chǎn)生影響，實際上是 <Servlet-charset>和<Compile-charset>一起，達(dá)到與JSP文件中的<Jsp- charset>相同的效果，因為<Jsp-charset>對編譯和CLASS文件的輸出都會產(chǎn)生影響。

　　表3　“中文”從Servlet源文件到Class的轉(zhuǎn)變過程

Compile-charset	Servlet源文件中	Class文件中	等效的Unicode碼
GB2312	D6 D0 CE C4 (GB2312)	E4 B8 AD E6 96 87 (UTF)	"u4E2D"u6587 (在Unicode中＝“中文”)
ISO-8859-1	D6 D0 CE C4 (GB2312)	C3 96 C3 90 C3 8E C3 84 (UTF)	"u00D6 "u00D0 "u00CE "u00C4 (在D6 D0 CE C4前面各加了一個00)
無（默認(rèn)）	D6 D0 CE C4 (GB2312)	同ISO-8859-1	同ISO-8859-1

普通Java程序的編譯過程與Servlet完全一樣。

CLASS文件中的中文表示法是不是昭然若揭了？OK，接下來看看CLASS又是怎樣輸出中文的呢？

Class：輸出字符串

上文說過，字符串在內(nèi)存中表現(xiàn)為Unicode編碼。至于這種Unicode編碼表示了什么，那要看它是從哪種字符集映射過來的，也就是說要看它的祖先。這好比在托運行李時，外觀都是紙箱子，里面裝了什么就要看寄郵件的人實際郵了什么東西。

看看上面的例子，如果給一串Unicode編碼“00D6 00D0 00CE 00C4”，如果不作轉(zhuǎn)換，直接用Unicode碼表來對照它時，是四個字符（而且是特殊字符）；假如把它與“ISO8859-1”進(jìn)行映射，則直接去掉 前面的“00”即可得到“D6 D0 CE C4”，這是ASCII碼表中的四個字符；而假如把它當(dāng)作GB2312來進(jìn)行映射，得到的結(jié)果很可能是一大堆亂碼，因為在GB2312中有可能沒有（也有 可能有）字符與00D6等字符對應(yīng)（如果對應(yīng)不上，將得到0x3f，也就是問號，如果對應(yīng)上了，由于00D6等字符太靠前，估計也是一些特殊符號，真正的 漢字在Unicode中的編碼從4E00開始）。

各位看到了，同樣的Unicode字符，可以解釋成不同的樣子。當(dāng)然，這其中有一種是我們期望的結(jié)果。以上例而論，“D6 D0 CE C4”應(yīng)該是我們所想要的，當(dāng)把“D6 D0 CE C4”輸出到IE中時，用“簡體中文”方式查看，就能看到清楚的“中文”兩個字了。（當(dāng)然了，如果你一定要用“西歐字符”來看，那也沒辦法，你將得不到任何有何時何地的東西）為什么呢？因為“00D6 00D0 00CE 00C4”本來就是由ISO8859-1轉(zhuǎn)化過去的。
　　給出如下結(jié)論：

在Class輸出字符串前，會將Unicode的字符串按照某一種內(nèi)碼重新生成字節(jié)流，然后把字節(jié)流輸入，相當(dāng)于進(jìn)行了一步“String.getBytes(???)”操作。???代表某一種字符集。

如果是Servlet，那么，這種內(nèi)碼就是在HttpServletResponse.setContentType()方法中指定的內(nèi)碼，也就是上文定義的＜Servlet-charset＞。

如果是JSP，那么，這種內(nèi)碼就是在＜%@ page contentType=""%＞中指定的內(nèi)碼，也就是上文定義的＜Jsp-charset＞。

如果是Java程序，那么，這種內(nèi)碼就是file.encoding中指定的內(nèi)碼，默認(rèn)為ISO8859-1。

當(dāng)輸出對象是瀏覽器時

以流行的瀏覽器IE為例。IE支持多種內(nèi)碼。假如IE接收到了一個字節(jié)流“D6 D0 CE C4”，你可以嘗試用各種內(nèi)碼去查看。你會發(fā)現(xiàn)用“簡體中文”時能得到正確的結(jié)果。因為“D6 D0 CE C4”本來就是簡體中文中“中文”兩個字的編碼。

OK，完整地看一遍。

JSP：源文件為GB2312格式的文本文件，且JSP源文件中有“中文”這兩個漢字

如果指定了＜Jsp-charset＞為GB2312，轉(zhuǎn)化過程如下表。

表4　Jsp-charset = GB2312時的變化過程

序號	步驟說明	結(jié)果
1	編寫JSP源文件，且存為GB2312格式	D6 D0 CE C4 （D6D0=中 CEC4=文）
2	jspc把JSP源文件轉(zhuǎn)化為臨時JAVA文件，并把字符串按照GB2312映射到Unicode，并用UTF格式寫入JAVA文件中	E4 B8 AD E6 96 87
3	把臨時JAVA文件編譯成CLASS文件	E4 B8 AD E6 96 87
4	運行時，先從CLASS文件中用readUTF讀出字符串，在內(nèi)存中的是Unicode編碼	4E 2D 65 87（在Unicode中4E2D=中 6587=文）
5	根據(jù)Jsp-charset=GB2312把Unicode轉(zhuǎn)化為字節(jié)流	D6 D0 CE C4
6	把字節(jié)流輸出到IE中，并設(shè)置IE的編碼為GB2312（作者按：這個信息隱藏在HTTP頭中）	D6 D0 CE C4
7	IE用“簡體中文”查看結(jié)果	“中文”（正確顯示）

如果指定了＜Jsp-charset＞為ISO8859-1，轉(zhuǎn)化過程如下表。

表5　Jsp-charset = ISO8859-1時的變化過程

序號	步驟說明	結(jié)果
1	編寫JSP源文件，且存為GB2312格式	D6 D0 CE C4 （D6D0=中 CEC4=文）
2	jspc把JSP源文件轉(zhuǎn)化為臨時JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式寫入JAVA文件中	C3 96 C3 90 C3 8E C3 84
3	把臨時JAVA文件編譯成CLASS文件	C3 96 C3 90 C3 8E C3 84
4	運行時，先從CLASS文件中用readUTF讀出字符串，在內(nèi)存中的是Unicode編碼	00 D6 00 D0 00 CE 00 C4 （啥都不是！！！）
5	根據(jù)Jsp-charset=ISO8859-1把Unicode轉(zhuǎn)化為字節(jié)流	D6 D0 CE C4
6	把字節(jié)流輸出到IE中，并設(shè)置IE的編碼為ISO8859-1（作者按：這個信息隱藏在HTTP頭中）	D6 D0 CE C4
7	IE用“西歐字符”查看結(jié)果	亂碼，其實是四個ASCII字符，但由于大于128，所以顯示出來的怪模怪樣
8	改變IE的頁面編碼為“簡體中文”	“中文”（正確顯示）

奇怪了！為什么把＜Jsp-charset＞設(shè)成GB2312和ISO8859-1是一個樣的，都能正確顯示？因為表4表5中的第2步和第5步互逆，是相互“抵消”的。只不過當(dāng)指定為ISO8859-1時，要增加第8步操作，殊為不便。

再看看不指定＜Jsp-charset＞ 時的情況。

表6　未指定Jsp-charset 時的變化過程

序號	步驟說明	結(jié)果
1	編寫JSP源文件，且存為GB2312格式	D6 D0 CE C4 （D6D0=中 CEC4=文）
2	jspc把JSP源文件轉(zhuǎn)化為臨時JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式寫入JAVA文件中	C3 96 C3 90 C3 8E C3 84
3	把臨時JAVA文件編譯成CLASS文件	C3 96 C3 90 C3 8E C3 84
4	運行時，先從CLASS文件中用readUTF讀出字符串，在內(nèi)存中的是Unicode編碼	00 D6 00 D0 00 CE 00 C4
5	根據(jù)Jsp-charset=ISO8859-1把Unicode轉(zhuǎn)化為字節(jié)流	D6 D0 CE C4
6	把字節(jié)流輸出到IE中	D6 D0 CE C4
7	IE用發(fā)出請求時的頁面的編碼查看結(jié)果	視情況而定。如果是簡體中文，則能正確顯示，否則，需執(zhí)行表5中的第8步

Servlet：源文件為JAVA文件，格式是GB2312，源文件中含有“中文”這兩個漢字

如果＜Compile-charset＞＝GB2312，＜Servlet-charset＞=GB2312

表7　Compile-charset=Servlet-charset=GB2312 時的變化過程

序號	步驟說明	結(jié)果
1	編寫Servlet源文件，且存為GB2312格式	D6 D0 CE C4 （D6D0=中 CEC4=文）
2	用javac –encoding GB2312把JAVA源文件編譯成CLASS文件	E4 B8 AD E6 96 87　（UTF）
3	運行時，先從CLASS文件中用readUTF讀出字符串，在內(nèi)存中的是Unicode編碼	4E 2D 65 87 (Unicode)
4	根據(jù)Servlet-charset=GB2312把Unicode轉(zhuǎn)化為字節(jié)流	D6 D0 CE C4 (GB2312)
5	把字節(jié)流輸出到IE中并設(shè)置IE的編碼屬性為Servlet-charset=GB2312	D6 D0 CE C4 (GB2312)
6	IE用“簡體中文”查看結(jié)果	“中文”（正確顯示）

如果＜Compile-charset＞＝ISO8859-1，＜Servlet-charset＞=ISO8859-1

表8　Compile-charset=Servlet-charset=ISO8859-1時的變化過程

序號	步驟說明	結(jié)果
1	編寫Servlet源文件，且存為GB2312格式	D6 D0 CE C4 （D6D0=中 CEC4=文）
2	用javac –encoding ISO8859-1把JAVA源文件編譯成CLASS文件	C3 96 C3 90 C3 8E C3 84　（UTF）
3	運行時，先從CLASS文件中用readUTF讀出字符串，在內(nèi)存中的是Unicode編碼	00 D6 00 D0 00 CE 00 C4
4	根據(jù)Servlet-charset=ISO8859-1把Unicode轉(zhuǎn)化為字節(jié)流	D6 D0 CE C4
5	把字節(jié)流輸出到IE中并設(shè)置IE的編碼屬性為Servlet-charset=ISO8859-1	D6 D0 CE C4 (GB2312)
6	IE用“西歐字符”查看結(jié)果	亂碼（原因同表5）
7	改變IE的頁面編碼為“簡體中文”	“中文”（正確顯示）

如果不指定Compile-charset或Servlet-charset，其默認(rèn)值均為ISO8859-1。

當(dāng)Compile-charset=Servlet-charset時，第2步和第4步能互逆，“抵消”，顯示結(jié)果均能正確。讀者可試著寫一下Compile-charset＜＞Servlet-charset時的情況，肯定是不正確的。

當(dāng)輸出對象是數(shù)據(jù)庫時

輸出到數(shù)據(jù)庫時，原理與輸出到瀏覽器也是一樣的。本節(jié)只是Servlet為例，JSP的情況請讀者自行推導(dǎo)。

假設(shè)有一個Servlet，它能接收來自客戶端（IE，簡體中文）的漢字字符串，然后把它寫入到內(nèi)碼為ISO8859-1的數(shù)據(jù)庫中，然后再從數(shù)據(jù)庫中取出這個字符串，顯示到客戶端。

表9　輸出對象是數(shù)據(jù)庫時的變化過程（1）

序號	步驟說明	結(jié)果	域
1	在IE中輸入“中文”	D6 D0 CE C4	IE
2	IE把字符串轉(zhuǎn)變成UTF，并送入傳輸流中	E4 B8 AD E6 96 87
3	Servlet接收到輸入流，用readUTF讀取	4E 2D 65 87(unicode)	Servlet
4	編程者在Servlet中必須把字符串根據(jù)GB2312還原為字節(jié)流	D6 D0 CE C4
5	編程者根據(jù)數(shù)據(jù)庫內(nèi)碼ISO8859-1生成新的字符串	00 D6 00 D0 00 CE 00 C4
6	把新生成的字符串提交給JDBC	00 D6 00 D0 00 CE 00 C4
7	JDBC檢測到數(shù)據(jù)庫內(nèi)碼為ISO8859-1	00 D6 00 D0 00 CE 00 C4	JDBC
8	JDBC把接收到的字符串按照ISO8859-1生成字節(jié)流	D6 D0 CE C4
9	JDBC把字節(jié)流寫入數(shù)據(jù)庫中	D6 D0 CE C4
10	完成數(shù)據(jù)存儲工作	D6 D0 CE C4 數(shù)據(jù)庫
以下是從數(shù)據(jù)庫中取出數(shù)的過程
11	JDBC從數(shù)據(jù)庫中取出字節(jié)流	D6 D0 CE C4	JDBC
12	JDBC按照數(shù)據(jù)庫的字符集ISO8859-1生成字符串，并提交給Servlet	00 D6 00 D0 00 CE 00 C4 (Unicode)
13	Servlet獲得字符串	00 D6 00 D0 00 CE 00 C4 (Unicode)	Servlet
14	編程者必須根據(jù)數(shù)據(jù)庫的內(nèi)碼ISO8859-1還原成原始字節(jié)流	D6 D0 CE C4
15	編程者必須根據(jù)客戶端字符集GB2312生成新的字符串	4E 2D 65 87 （Unicode）
Servlet準(zhǔn)備把字符串輸出到客戶端
16	Servlet根據(jù)＜Servlet-charset＞生成字節(jié)流	D6D0 CE C4	Servlet
17	Servlet把字節(jié)流輸出到IE中，如果已指定＜Servlet-charset＞，還會設(shè)置IE的編碼為＜Servlet-charset＞	D6 D0 CE C4
18	IE根據(jù)指定的編碼或默認(rèn)編碼查看結(jié)果	“中文”（正確顯示）	IE

解釋一下，表中第4第5步和第15第16步是用紅色標(biāo)記的，表示要由編碼 者來作轉(zhuǎn)換。第4、5兩步其實就是一句話：“new String(source.getBytes("GB2312"), "ISO8859-1")”。第15、16兩步也是一句話：“new String(source.getBytes("ISO8859-1"), "GB2312")”。親愛的讀者，你在這樣編寫代碼時是否意識到了其中的每一個細(xì)節(jié)呢？

至于客戶端內(nèi)碼和數(shù)據(jù)庫內(nèi)碼為其它值時的流程，和輸出對象是系統(tǒng)控制臺時的流程，請讀者自己想吧。明白了上述流程的原理，相信你可以輕松地寫出來。

行文至此，已可告一段落了。終點又回到了起點，對于編程者而言，幾乎是什么影響都沒有。

因為我們早就被告之要這么做了。

以下給出一個結(jié)論，作為結(jié)尾。

1、 在Jsp文件中，要指定contentType，其中，charset的值要與客戶端瀏覽器所用的字符集一樣；對于其中的字符串常量，不需做任何內(nèi)碼轉(zhuǎn) 換；對于字符串變量，要求能根據(jù)ContentType中指定的字符集還原成客戶端能識別的字節(jié)流，簡單地說，就是“字符串變量是基于＜Jsp- charset＞字符集的”；

2、 在Servlet中，必須用HttpServletResponse.setContentType()設(shè)置charset，且設(shè)置成與客戶端內(nèi)碼一致； 對于其中的字符串常量，需要在Javac編譯時指定encoding，這個encoding必須與編寫源文件的平臺的字符集一樣，一般說來都是 GB2312或GBK；對于字符串變量，與JSP一樣，必須“是基于＜Servlet-charset＞字符集的”。

posted @ 2008-01-17 14:34 backup2007 閱讀(517) | 評論 (0) | 編輯 收藏

編碼問題2轉(zhuǎn)

posted @ 2008-01-17 14:30 backup2007 閱讀(218) | 評論 (0) | 編輯 收藏

編碼問題1 轉(zhuǎn)

     摘要: HTML：     ……     //實際上這里的charset=utf-8 也是可以的，因為在中文平臺下     //用了GB2312     JS：     我用了兩個方法提交：GET 和 POST。 ...  閱讀全文

posted @ 2008-01-17 14:29 backup2007 閱讀(550) | 評論 (0) | 編輯 收藏

vim 常用命令 轉(zhuǎn)

1、vim顏色太暗，默認(rèn)的尤其是注釋顏色太暗，根本看不清，可通過下述方式設(shè)置
:colorscheme evening

2、vim以16進(jìn)制方式編輯文件：
:%!xxd

3、用vim格式化代碼
從別的編輯器里粘貼到vim里的代碼經(jīng)常由于不正常的縮進(jìn)變得格式混亂，有如下兩種方式：
格式化全文： gg=G
自動縮進(jìn)當(dāng)前行： ==

4、vim退出后在

屏幕上保留被編輯文件的內(nèi)容： :set t_ti= t_te= 5、多文件編輯 打開多個文件：vim a.c b.c b.c 切換到下一文件：n 切換到另一文件：e <文件名如b.c> 返回上一文件：　e# 橫向分屏：split　（不加參數(shù)為分屏當(dāng)前文件，加文件名為以分屏方式打開另一文件） 豎向分屏：vsplit，與split不同之處在于豎向分屏 分屏后切換：ctrl+兩次按w 6、刪除內(nèi)容到緩沖區(qū) x為刪除光標(biāo)當(dāng)前字符，而X則刪除光標(biāo)前字符； dd為刪除當(dāng)前行； nx，nX，ndd則表明刪除的數(shù)目； 7、拷貝內(nèi)容到緩沖區(qū) yy，為拷貝當(dāng)前行到緩沖區(qū)； yw，為拷貝單個詞到緩沖區(qū)； nyy，nyw則表明拷貝的數(shù)目； 8、移動到某一行： : n，n為行號 或 nG，n為行號 9、visual編輯 三種進(jìn)入方式： v ---- 以字符為單位進(jìn)行選擇 V ---- 以行為單位進(jìn)行選擇 ctrl+v ---- 以列塊方式進(jìn)行選擇 ctrl+c ---- 退出visual編輯方式 進(jìn)入后對選擇進(jìn)行的操作有： d --- 刪除 y --- 復(fù)制 > --- 右移4格 < --- 左移4格 ~ --- 大小寫切換 U --- 變成大寫 u --- 變成小寫

posted @ 2007-12-24 18:33 backup2007 閱讀(729) | 評論 (0) | 編輯 收藏

quote : installnation of eclipse for java

posted @ 2007-12-24 17:21 backup2007 閱讀(312) | 評論 (0) | 編輯 收藏

轉(zhuǎn) eclipse3.3 + minGW for c/c++ development

本設(shè)置的主要目的是在最新版的eclipse3.3(Europa)上開發(fā)標(biāo)準(zhǔn)C/C++程序，而不去使用VC++。

因為CDT只提供了開發(fā)C/C++項目的IDE，所以我們需要安裝MinGW（即 Minimalist GNU For Windows。它是一些頭文件和端口庫的集合，該集合允許人們在沒有第三方動態(tài)鏈接庫的情況下使用 GCC（GNU Compiler C）產(chǎn)生 Windows32 程序。）和MSYS（Minimal GNU（POSIX）system on Windows，是一個小型的GNU環(huán)境，包括基本的bash，make等等。是Windows下最優(yōu)秀的GNU環(huán)境。）：
下載Automated MinGW Installer:MinGW-5.1.3.exe（注意這只是個在線安裝程序），執(zhí)行MinGW-5.1.3.exe；
在choose package向?qū)ы摚x擇Current項；
在choose components向?qū)ы摚x中MinGW base tools和g++ compiler項；
在choose install location向?qū)ы摚O(shè)置安裝目錄，為說明方便，這里假設(shè)路徑為d:\MinGW；
等待MinGW在線安裝完成。
接下來，在下載MinGW的同一頁面，我們下載MSYS (Minimal System):Current Release: msys-1.0.10，執(zhí)行MSYS-1.0.10.exe；
在安裝MSYS過程中，假定我們安裝路徑為D:\msys;
在安裝MSYS過程中，會出現(xiàn)控制臺界面（類DOS窗口）的三個詢問，分別鍵入y、y、D:/MinGW（MinGW安裝路徑）即可。
安裝好MinGW和MYYS后，需要配置一下系統(tǒng)的環(huán)境變量，右鍵點擊“我的電腦”->屬性->高級->環(huán)境變量，在系統(tǒng)變量中進(jìn)行如下操作：
編輯PATH變量，在開頭處加入D:\MinGW\bin;D:\msys\1.0\bin;
添加LIBRARY_PATH變量，值為D:\MinGW\lib
添加C_INCLUDE_PATH變量，值為D:\MinGW\include
添加CPLUS_INCLUDE_PATH變量，值為D:\MinGW\include\c++\3.4.2;D:\MinGW\include\c++\3.4.2\mingw32;D:\MinGW\include\c++\3.4.2\backward;D:\MinGW\include
打開系統(tǒng)開始菜單->附件->命令提示符，在里面輸入make –version或gcc –version并回車，如果出現(xiàn)版本信息，則配置成功。
如果你的系統(tǒng)上沒有安裝jre，去下載最新版的jre5.0，并進(jìn)行安裝。
接下來這步，我們先進(jìn)入到http://www.eclipse.org/downloads/頁面，最好直接下載Eclipse IDE for C/C++ Developers - Windows (62 MB) 這個版本，基本上下載完后就可以正常使用。

如果你已經(jīng)有了eclipse3.3但需要單獨安裝CDT4的話，請參見這里CDT Europa Releases Update Site，里面說的很清楚，可以在eclipse的help->Software Updates -> Find and Install -> Search for new Features to Install中，加入一個site http://download.eclipse.org/tools/cdt/releases/europa升級即可。

值得注意的是，不要直接下載cdt-master-4.0.0.zip，并且解壓縮后覆蓋到eclipse目錄下！，否則雖然可以調(diào)出CDT界面，但編譯和執(zhí)行會有問題。

最后，我們啟動eclipse并進(jìn)行一個測試，創(chuàng)建一個C++ Project，選擇Executable->Hello World C++ Project，toolchain選擇MinGW GCC。創(chuàng)建后build它即可。

posted @ 2007-12-24 11:51 backup2007 閱讀(1292) | 評論 (0) | 編輯 收藏

bootSect.S 文件中的include小問題

在 Linux 啟動過程中，最開始加載的程序就是 bootSect.S 文件.

其中第一行是一個include 語句：#include <asm/boot.h>
而當(dāng)我去查看boot.h的時候，發(fā)現(xiàn)它的真正位置在 "include/asm-i386/boot.h" 而不是 "include/ asm/boot.h"

這讓我很不解,查網(wǎng)上資料也沒有解答, 打開makefile文件,仔細(xì)看了一下,終于找到原因:

在makefile 中有這么一段:

很明顯,首先刪除了 asm文件夾,然后 在include 下面做了一個軟連接: ln -sf asm-$(ARCH)  asm

這里的ARCH明顯是系統(tǒng)相關(guān)的環(huán)境變量了，比如在i386機(jī)器上就是代表i386了。這樣asm-i386就轉(zhuǎn)成了asm.

posted @ 2007-12-13 18:23 backup2007 閱讀(398) | 評論 (0) | 編輯 收藏

putty 登陸unix-center ubuntu服務(wù)器 輸入中文

putty 登陸unix-center ubuntu服務(wù)器默認(rèn)是無法輸入中文的，
服務(wù)器上的ubuntu默認(rèn)是GBK字符集，
把putty 的font改成宋體,chinese_GB2312字符集，
transition 里面保留默認(rèn)Use font encoding 。
重新登陸即可。

登陸 solaris 服務(wù)器我還沒找到輸入中文的方法。

[在~/ 建立.profile 建立環(huán)境變量]

posted @ 2007-12-12 14:10 backup2007 閱讀(795) | 評論 (0) | 編輯 收藏

solaris VIM

出自: http://www.linuxdiyf.com

我自己的機(jī)器是 linux, ssh 遠(yuǎn)程登錄solaris系統(tǒng), 結(jié)果發(fā)現(xiàn)不管我使用 xterm 還是 linux console, 在 solaris 上都無法讓 vim 在 insert 模式下正確識別方向鍵. 　　在 normal 模式下方向鍵工作正常, 可一旦進(jìn)入 insert 模式, 就不行了. 比如按向上方向鍵, 其結(jié)果是插入一個新行, 并輸入A, 其實就是把向上鍵的 escape sequence("ESC O A")當(dāng)做了三次按鍵, 而不是把它當(dāng)做方向鍵. 　　而且無論我把 TERM 設(shè)置成 vt100 還是 xterm, 都是一樣的結(jié)果. 　　查找了半天資料, 發(fā)現(xiàn)我犯了一個愚蠢而低級的錯誤. 應(yīng)該讓 vim 運行在 非兼容模式下, 插入模式中才支持方向鍵! 　　在 .vimrc 中加入set nocompatible 　　即可. 　　實際上登錄一個新系統(tǒng)后, 更好的做法是把 vim 自帶的一個示例 vimrc 復(fù)制到自己的目錄中, 做法是在vim中輸入 　　:!cp -i $VIMRUNTIME/vimrc_example.vim ~/.vimrc

posted @ 2007-12-12 09:58 backup2007 閱讀(668) | 評論 (0) | 編輯 收藏