（一）Java 中文乱码学习 与Spring @ResponseBody中的乱码 - 深入浅出Java中的中文乱码

                   第一篇： 深入浅出Java中的中文乱码

一、为什么会有中文乱码：

其实很简单，一句话就能说明问题： 字符在保存时的编码格式如果和要显示（解码）时的编码格式不一样的话，就会出现乱码问题。

 

二、需要了解的事实：

       1. Java中的任何String都是以UNICODE格式存在的。

      很多人因为在GBK环境中使用String,会误以为String是GBK格式,实际上Java的String类中并没有存储CharSet信息的字段, 所有String中的字符只会以UNICODE的2字节形式存在。

 

       2. String在构造时会逐一把字符按指定编码(默认值为系统编码GBK),转换为UNICODE字符,存入一个Char数组中，二这个Char数组中的元素都是无符号的16为字符。

如:对于java代码：new String(bytes, "gbk")：这并不是说,生成一个GBK编码的字符串，而JDK讲会按GBK的编码逐一的讲字节数组bytes中的字符转化为UNICODE的编码。 
       假设，bytes本是按GBK编码的，构造方法在发现一个最高位为0的byte就作为ascii字符处理，如果发现最高位为1，那么就和后面的一个byte合成中文字符，再转换编码。 
       可以看出，在这个过程，编码选择错误就会导致程序按错误方法辨认bytes，乱码就出现了。 
       其实这种情况下产生的乱码，很多时候还可以通过.getBytes()方法修复。
        如:"中".getBytes("iso-8859-1");因为iso-8859-1是西欧编码，没有中文,所以"中"字被替换成63，显示'?'，无法判断以前是什么值，从而显示乱码。所以如下String将被产生乱码: 
new String("中文".getBytes("iso-8859-1"), "iso-8859-1"); 
        但如果目标编码方式支持中文，就不会损坏String:new String("中文".getBytes("utf-8"),"utf-8"); 

        3. Java在显示字符时，还需要进行一次转换，把UNICODE字符转换成用于显示的字符编码形式。 
       其实很多时候，这个过程是自动的，会按系统的默认编码(一般是GBK)转换String。所以很明显如果指定转换的编码和我们指定的页面编码不一样，就会出现乱码。

这也说明虽然在Java的程序中只有一种编码（Unicode编码）， 但是输出却可以有不同的编码。 
 
         4. 有时候，我们需要用 iso-8859-1格式分解String的中文，以便在不支持中文的系统中存储: 
new String("中文".getBytes("GBK"),"iso-8859-1")；先通过GBK等支持中文的编码方式分解为byte数组，再作为iso-8859-1字符以组成字符串，这样就可避免了被替换为Char(63)。

 

三、需要了解的几个概念：

        1. 要想解决java中文乱码问题，首先就有必要了解一下什么是字符，字符集，编码的概念。

        1） 字符：是文字与符号的总称，包括文字、图形符号、数学符号等。
        2）字符集：就是一组抽象字符的集合。

           字符集常常和一种具体的语言文字对应起来，该文字中的所有字符或者大部分常用字符就构成了该文字的字符集，比如英文字符集。繁体汉字字符集、日文汉字字符集等等。

        3）编码： 计算机要处理各种字符，就需要将字符和二进制编码对应起来，这种对应关系就是字符编码。

       制定编码首先要确定字符集，并将字符集内的字符排序，然后和二进制数字对应起来。根据字符集内字符的多少，会确定用几个字节来编码。每种编码都限定了一个明确的字符集合，叫做被编码过的字符集(Coded Character Set)，这是字符集的另外一个含义。

          2. 常用的编码格式：

1） ASCII编码是目前计算机中用得最广泛的字符集及其编码。
2）ISO8859-1表示的是西欧语言的编码。由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，即时ISO8859-1表示的字符有限，但仍旧使用ISO-8859-1。 而且在很多协议上，默认使用该编码。
3）Unicode(统一码、万国码、单一码) 是一种在计算机上使用的字符编码。通常我们所遇到过多UTF-8正是Unicode编码的实现方式。
4）GB2312字集是简体字集；BIG5字集是台湾繁体字集；GBK字集是简繁字集，包括了GB字集、BIG5字集和一些符号。
5）GB18030是国家制定的一个强制性大字集标准，它的推出使汉字集有了一个统一的标准。
6）Linux系统默认使用的是ISO-8859-1编码，Win32系统默认使用的是GB2312编码。

 

        3. 开发中怎样避免乱码问题

1） 开发环境编码要一致。如页面编码，数据库编码等。
      Java在运行期一律以Unicode来存储字符，这样有利的支持了多语言环境。我们在开发过程中经常会用到文件读取。Java读文件的时候会用到系统默认的编码来解码文件。所以在用FileInputStream类读取文件可以指定编码读取。当然也可以在字节流和字符流相互转换时使用编码，如在InputStreamRedaer和OutputStreamWriter类中指定编码。

2） JSP页面乱码通常只要在页面开始地方用下面代码指定字符集编码即可。如果还不行，可以用如下的代码来转换 str=new String(str.getBytes("ISO-8859-1"),"页面编码方式"); 

 

3）使用正确的方式来解码：

JAVA在网络传输中使用的编码是"ISO-8859-1"，故在输出时需要进行转化，如： 
String str=new String(str.getBytes("开发环境编码"), "ISO-8859-1");
经过网络编码后的中文，要正确显示在页面上必须要用类似于下面的方式来解码：
Stirng str=new String(str.getBytes("ISO-8859-1"),"开发环境编码");

 

下一篇讲详细讲解另一个问题：Spring中@ResponseBody中的中文乱码问题。

http://josh-persistence.iteye.com/blog/2085015