关于编码

关于字符编码问题的简单整理

iso8859-1

属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列。它无法表示中文字符，由于它是基于单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。而且在很多协议上，默认使用该编码。虽我iso8859-1无法表示中文编码，但是使用iso8859-1编码的时候会将它拆成4个字节来表示。比如：

“中文”，gb2312编码为：d6d0  cec4。iso8859-1编码：d6,d0,ce,c4。UTF编码：e4,b8,ad,e6,96,87。

如果将中文字符转化为iso8859-1的形式字节，将会失败，最终打印出来的字符将会是?号，所以在对中文使用和传输的过程中，我们不能使用iso8859-1的字符编码。

GB2312/GBK

这是汉字的国标码，专门用来表示汉字，是双字节编码。GBK能够同时表示繁体字和简体字，而GB2312只能表示简体字，GBK兼容GB2312。它属于不定长编码。

unicode

这是最统一的编码，可以有来表示所有语言的字符，而且是定长双字（也有四字节的）编码，包括英文在内。它不兼容任何编码。不过，相对于iso8859-1编码来说，unicode编码只是在前面啬了一个0字节，比如：字母'a'为0061。

UTF

考虑到unicode编码不兼容iso8859-1编码，而且容易占用更多的空间：因为对于英文字母，unicode也需要两个字来表示，所以unicode不便于传输和存储。因此产生了uft编码，它兼容iso8859-1编码，同时也可以用来表示所有语言的字符，不过，utf编码自带简单的校验功能。一般来讲，英文字母都是用一个字节表示，而汉字使用三个字节。

关于java字符处理

getBytes(charset)：得到指定字符串格式所表示的字符编码，并以字节方式表示。注意字符串在java内存中总是按unicode编码存储的。比如“中文”，正常情况下存储为“4e2d 6587”。如果charset为"iso8859-1"，则由于无法编码，最后返回“3f 3f“（两个问号）。

new String(byte[],charset)

将字节码按照指定的charset(编码方式）组合成字符串，最后转换为unicode存储（记住，在java虚拟机中，所有字符都是定长双字节表示）。

关于HTTP中编码问题

[<%@page pageEncoding="GBK"%>]

用于指定页面存储时采用的编码

[<%@ page contentType="text/html; charset= GBK" %>]

用于指定文件内容输出到browser使用的编码，它与response.setCharacterEncoding("gbk")等效.

[<META http-equiv="Content-Type" content="text/html; charset=GBK" />]

主要用于设定静态网页的编码，因为非JSP页面无法使用上response对象。

注意：如果同时采用了JSP输出方式和meta设置两种，则JSP指一优于META。