java 编码

 

先看一个字符串

 

String str = "Hello 简体  繁體   한국어 ";

 

字符串本无编码，就是一个字符串，但是计算机不能保存字符串，只能以二进制的形式保存，所以就会有字符串到二进制的转换动作，这个转换的规则叫编码规则，不同的规则就是不同的编码，比如gbk,gb2312,utf-8

下面看一个例子

 

 

import java.io.UnsupportedEncodingException;
import java.nio.charset.Charset;

public class CharSetTest {

	/**
	 * @param args
	 * @throws UnsupportedEncodingException
	 */
	public static void main(String[] args) throws UnsupportedEncodingException {

		String str = "Hello 简体  繁體   한국어 ";

		toByte(str, Charset.defaultCharset().displayName());
		
		toByte(str, "utf-8");
		
		toByte(str, "utf-16");
		
		toByte(str, "utf-32");

		toByte(str, "gbk");

		toByte(str, "GB2312");

		toByte(str, "iso-8859-1");

	}

	public static void toByte(String str, String charSet) throws UnsupportedEncodingException {
		System.out.println(str + "   " + charSet + ":");
		for (byte b : str.getBytes(charSet)) {
			System.out.print(b + " ");
		}
		System.out.println();
		
		System.out.println(new String(str.getBytes(charSet),charSet));
		System.out.println();
	}

}

 

 

结果输出

Hello 简体  繁體   한국어    UTF-8:
72 101 108 108 111 32 -25 -82 -128 -28 -67 -109 32 32 -25 -71 -127 -23 -85 -108 32 32 32 -19 -107 -100 -22 -75 -83 -20 -106 -76 32 
Hello 简体  繁體   한국어 


Hello 简体  繁體   한국어    utf-8:
72 101 108 108 111 32 -25 -82 -128 -28 -67 -109 32 32 -25 -71 -127 -23 -85 -108 32 32 32 -19 -107 -100 -22 -75 -83 -20 -106 -76 32 
Hello 简体  繁體   한국어 


Hello 简体  繁體   한국어    utf-16:
-2 -1 0 72 0 101 0 108 0 108 0 111 0 32 123 -128 79 83 0 32 0 32 126 65 -102 -44 0 32 0 32 0 32 -43 92 -83 109 -59 -76 0 32 
Hello 简体  繁體   한국어 


Hello 简体  繁體   한국어    utf-32:
0 0 0 72 0 0 0 101 0 0 0 108 0 0 0 108 0 0 0 111 0 0 0 32 0 0 123 -128 0 0 79 83 0 0 0 32 0 0 0 32 0 0 126 65 0 0 -102 -44 0 0 0 32 0 0 0 32 0 0 0 32 0 0 -43 92 0 0 -83 109 0 0 -59 -76 0 0 0 32 
Hello 简体  繁體   한국어 


Hello 简体  繁體   한국어    gbk:
72 101 108 108 111 32 -68 -14 -52 -27 32 32 -73 -79 -13 119 32 32 32 63 63 63 32 
Hello 简体  繁體   ??? 


Hello 简体  繁體   한국어    GB2312:
72 101 108 108 111 32 -68 -14 -52 -27 32 32 -73 -79 63 32 32 32 63 63 63 32 
Hello 简体  繁?   ??? 


Hello 简体  繁體   한국어    iso-8859-1:
72 101 108 108 111 32 63 63 32 32 63 63 32 32 32 63 63 63 32 
Hello ??  ??   ??? 

 

从例子看到，每种编码产生的字符大部分不一样，而且gbk和gb2312对韩文是不支持的，iso-8859-1只是assic的简单扩展，不支持中文。gb2312不支持繁体，gbk支持繁体

具体每种编码的编码范围可以查阅文档，我们常用的大概就utf-8，gbk,gb2312，assic,iso-8859-1

 

关于乱码：

为什么会出现乱码呢？

比如“中文”的utf-8编码为：-28 -72 -83 -26 -106 -121 32   gb2312编码为0 0 78 45 0 0 101 -121 0 0 0 32 ，可以看出两种编码是不一致的，假如以utf-8编码后，以gb2312来解码，那就出现了乱码，所以要防止乱码，必须知道文字以什么格式保存，然后以什么格式取出；

当然也有例外那就是编码之间有包含关系，比如utf-8,gbk,gb2312都支持assic码，对英文生成的编码格式也是一致，在这种情况下互转是没有问题的。

 

 

关于tomcat与iso8859-1

jsp和servlet有几种设置编码的方法：

在jsp中contentType="text/html; charset=gbk"    这个代表页面以gbk编码显示内容

pageEncoding="gbk"   代笔jsp以gbk编码编译成class

 

request.setCharacterEncoding("UTF-8");  

如同new String(request.getParameter("name").getBytes("iso8859-1"),"utf-8");

response.setCharacterEncoding("utf-8");   设置页面显示格式

 

tomcat默认把所有文字都进行ios8859编码，

比如页面编码的格式为utf-8，字符中文编码为-28 -72 -83 -26 -106 -121 32，那么tomcat在传送的过程中如同

new String("中文".getBytes("utf-8"),"iso8859-1");    在页面中你不可以使用 request.getParameter("name");因为这样jvm默认使用了当前环境的编码比如utf-8或gbk等，正确的方式是

new String(request.getParameter("name").getBytes("iso8859-1"),"页面编码");