`

【java】Java编码字符集与字符集编码入门(三) GB2312,GBK与中文网页

    博客分类:
  • java
阅读更多

 

 

    GB2312是对中国的开发人员来说很重要的一个词汇,它的来龙去脉并不需要我在这里赘述,随便Goolge之便明白无误。我只是想提一句,记得前一节说到编码字符集和字符集编码不是一回事,而有的字符集编码又实际上没有做任何事,GB2312正是这样一种东西!

 

 

  • GB2312即是字符集,也是编码方案

    GB2312最初指的是一个编码字符集,其中包含了ASCII所包含的英文字符,同时加入了6763个简体汉字以及其他一些ASCII之外的符号。与Unicode有UTF-8和UTF-16一样(当然, UTF-8和UTF-16也没有被限定只能用来对Unicode进行编码,实际上,你用它对视频进行编码都是可以的,只是编出的文件没有播放器支持罢了,哈哈),GB2312也有自己的编码方案,但这个方案直接使用一个字符在GB2312中的编号作为存储值(与UTF-32的做法类似),也因此,这个编码方案甚至没有正式的名称。我们日常说起GB2312的时候,常常即指这个字符集,也指这种编码方案。

 

 

 

  • GBK为Windows中文系统的默认编码方案

    GBK是GB2312的后续标准,添加了更多的汉字和特殊符号,类似的是,GBK也是同时指他的字符集和他的编码。

    GBK还是现如今中文Windows操作系统的系统默认编码(这正是几乎所有网页上的,文件里的乱码问题的根源)。

    我们可以这样来验证,使用以下的Java代码:

    String encoding=System.getProperty("file.encoding");

    System.out.println(encoding);

    输出结果为GBK

    (什么?你的输出不是这样?怎么可能?完了,我的牌子要砸了,等等,你用的繁体版XP?我说你这同志在这里捣什么乱?去!去!)

 

 

 

  • 网页meta设置charset=GB2312,真的是使用GB2312进行编码吗

    说到GB2312和GBK就不得不提中文网页的编码。尽管很多新开发的Web系统和新上线的注重国际化的网站都开始使用UTF-8,仍有相当一部分的中文媒体坚持使用GB2312和GBK,例如新浪的页面。其中有两点很值得注意。

 

    第一,页面中meta标签的部分,常常可以见到charset=GB2312这样的写法,很不幸的是,这个“charset”其实是用来指定页面使用的是什么字符集编码,而不是使用什么字符集。例如你见到过有人写“charset=UTF-8”,见到过有人写“charset=ISO-8859-1”,但你见过有人写“charset=Unicode”么?当然没有,因为Unicode是一个字符集,而不是编码。

 

    然而正是charset这个名称误导了很多程序员,真的以为这里要指定的是字符集,也因而使他们进一步的误以为UTF-8和UTF-16是一种字符集!(万恶啊)好在XML中已经做出了修改,这个位置改成了正确的名称:encoding.第二,页面中说的GB2312,实际上并不真的是GB2312(惊讶么?)。我们来做个实验,例如找一个GB2312中不存在的汉字“亸”(这个字确实不在GB2312中,你可以到GB2312的码表中去找,保证找不到),这个字在GBK中。然后你把它放到一个html页面中,试着在浏览器中打开它,然后选择浏览器的编码为“GB2312”,看到了什么?它完全正常显示!

 

    结论不用我说你也明白了,浏览器实际上使用的是GBK来显示。

 

    新浪的页面中也有很多这样的例子,到处都写charset=GB2312,却使用了无数个GB2312中并不存在的字符。这种做法对浏览器显示页面并不成问题,但在需要程序抓取页面并保存的时候带来了麻烦,程序将不能依据页面所“声称”的编码进行读取和保存,而只能尽量猜测正确的编码。

 

 

 

分享到:
评论

相关推荐

    Java中的字符集编码入门(五)Java代码中的字符编码转换Part1.pdf

    Java中的字符编码转换是编程实践中一个至关重要的概念,尤其是在处理多语言环境和跨平台交互时。Java通过统一采用UTF-16编码格式在JVM内部处理字符,简化了字符操作的复杂性。UTF-16是一种变长的Unicode编码,它可以...

    Java中的字符集编码入门(五)Java代码中的字符编码转换Part1.doc

    ### Java中的字符集编码入门(五):Java代码中的字符编码转换Part1 #### 核心知识点概述: 本文档深入探讨了Java编程语言中字符集编码的基础知识,并着重讲解了字符编码转换的基本原理及其在Java代码中的应用。...

    Java中的字符集编码入门(五)Java代码中的字符编码转换Part1[参考].pdf

    Reader和Writer在处理输入输出时,默认使用操作系统默认的字符编码,例如在中文版的Windows XP系统中通常是GBK编码。这意味着,当读取GBK编码的文件时,Reader会自动将GBK编码的字节流转换为UTF-16的字符流;反之,...

    Java基础入门教程 含习题 第08章 IO(输入输出流)(共79页).pptx

    在字符编码方面,Java支持多种字符集,如ASCII、ISO-8859-1、GB2312、GBK和UTF-8等。字符编码和解码是字符流处理过程中的关键步骤,确保数据在不同系统间正确无损地传输。例如,`InputStreamReader`和`...

    Apache common io转码工具类入门教程

    在Java中,常见的编码格式有GBK(中国国家标准汉字编码)和UTF-8(通用多八位编码系统)。GBK编码主要在中国使用,而UTF-8则是一种更通用的编码,能够表示世界上几乎所有的字符。 Apache Commons IO提供了一个名为`...

    孙卫琴Java Web全套源码

    9. **charset**: 这个目录可能涉及到字符编码问题,如UTF-8和GBK,以及在Java Web开发中如何处理字符编码转换。 通过学习这些源代码,开发者不仅可以掌握Java Web的基础知识,还能了解到实际项目开发中的最佳实践。...

    KingbaseES入门-Windows.pdf

    文档提到了字符集编码如GBK、GB18030、SQL_ASCII和UNICODE。GBK和GB18030是针对中文字符的编码标准,它们分别代表了简体中文的编码和扩展编码集。UNICODE是一种国际标准的编码方式,它用于存储各种语言的字符。SQL_...

    java jdbc入门教程笔记

    Java JDBC (Java Database Connectivity) 是Java编程语言中用于与关系数据库进行交互的一种接口。它是Java标准API的一部分,允许程序员使用标准的SQL语句来访问和操作数据库。以下是一些关于JDBC入门的关键知识点: ...

    Oracle数据库由入门到进阶详述.pptx

    Oracle的默认字符集为ZHS16GBK,但也可以选择AL32UTF8或WE8ISO8859P1等其他字符集。在安装完成后,可以通过检查服务、物理结构(如数据文件、重做日志文件和控制文件)、参数文件和密码文件来验证安装效果。 数据库...

    Struts1.x入门与提高系列教程.pdf

    示例中给出了创建数据库struts和表t_products的SQL脚本,并指定了字符集为GBK。 4. **ActionForm和Action类**: - ActionForm用于封装Web层和业务层之间传递的数据。 - Action类负责接收ActionForm对象并进行业务...

    Python道面试题及答案共50道.docx

    - GBK:中国的汉字编码标准,主要针对中文。 以上是Python的一些核心知识点,涵盖了其特性、应用、学习方法、与其他语言的区别、编程规范以及数据存储和字符编码。理解并掌握这些知识对于深入学习和使用Python至关...

    Python 面试题汇总及答案详解完整版

    GBK是中文的编码标准,扩展了GB2312。 14. **字节码和机器码**:字节码是解释器理解的中间代码,比机器码更抽象,机器码是计算机硬件直接执行的指令。 15. **三元运算符**:`x if condition else y`,当condition...

    scjp最新教程(英文版)

    3. **字符集编码**:处理字符编码,如UTF-8和GBK。 4. **NIO(New IO)**:非阻塞I/O,提供了选择器(Selector)和通道(Channel)等机制。 5. **文件操作**:创建、读取、写入和删除文件。 **网络编程:** 1. **...

    python教程(阿良)

    Python中可以通过指定编码方式来处理不同的字符集。 ### 第三章 Python数据类型 #### 3.1 列表[List] 列表是一种有序的可变序列,可以存储不同类型的数据项。 #### 3.1.1 定义列表 列表用方括号[]表示,列表...

    通用JSP页面 jsp入门级文章

    页面的编码设置对于正确显示中文等非ASCII字符集内容至关重要。 文章还使用了Struts标签库中的、、等标签来生成页面头部信息和标题。这些标签来自Struts框架,是Struts提供的一套标签库,它们支持MVC模式,有利于...

    JBPM工作流开发指南

    - `GBK`:字符编码集,可以根据实际需求更改。 - `root`:MySQL数据库的用户名。 - `mysql`:MySQL数据库的用户密码。 - `hibernate.dialect`:指定Hibernate使用的数据库方言,以适配不同的数据库特性。 - `...

    经典Python面试题之Python基础篇.docx

    - **Unicode**: 通用字符集,包含了几乎所有国家和地区的字符。 - **UTF-8**: Unicode 的一种编码方式,可变长度,兼容 ASCII。 - **GBK**: 中文编码标准,主要用于简体中文。 #### 14. 字节码和机器码的区别? - ...

Global site tag (gtag.js) - Google Analytics