java中文乱码问题一些解决方案和经验(转)

1.字节和unicode
java内核是unicode的，就连class文件也是，但是很多媒体，包括文 件/流的保存方式是使用字节流的。因此java要对这些字节流经行转化。char是unicode的，而byte是字节。java中byte/char互 转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，可以用来告诉你，你用的convertor。其中两个很常用 的静态函数是

java 代码

publicstaticByteToCharConvertergetDefault();
publicstaticByteToCharConvertergetConverter(Stringencoding);

如果你不指定converter，则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用8859_1。
byte——〉char：
"你"的gb码是：0xc4e3,unicode是0x4f60

java 代码

Stringencoding="gb2312";
byteb[]={(byte)'u00c4',(byte)'u00e3'};
ByteToCharConverterconverter=ByteToCharConverter.getConverter(encoding);
charc[]=converter.convertAll(b);
for(inti=0;i＜c.length;i++){
System.out.println(Integer.toHexString(c[i]));
}

结果是什么？0x4f60
如果encoding="8859_1"，结果又是什么？0x00c4,0x00e3
如果代码改为

java 代码

byteb[]={(byte)'u00c4',(byte)'u00e3'};
ByteToCharConverterconverter=ByteToCharConverter.getDefault();
charc[]=converter.convertAll(b);
for(inti=0;i＜c.length;i++){
System.out.println(Integer.toHexString(c[i]));
}

结果将又是什么？根据平台的编码而定。

java 代码

char——〉byte：
Stringencoding="gb2312";
charc[]={'u4f60'};
CharToByteConverterconverter=CharToByteConverter.getConverter(encoding);
byteb[]=converter.convertAll(c);
for(inti=0;i＜b.length;i++){
System.out.println(Integer.toHexString(b[i]));
}

结果是什么？0x00c4,0x00e3
如果encoding="8859_1"，结果又是什么？0x3f
如果代码改为

java 代码

Stringencoding="gb2312";
charc[]={'u4f60'};
CharToByteConverterconverter=CharToByteConverter.getDefault();
byteb[]=converter.convertAll(c);
for(inti=0;i＜b.length;i++){
System.out.println(Integer.toHexString(b[i]));
}

结果将又是什么？根据平台的编码而定。
很多中文问题就是从这两个最简单的类派生出来的。而却有很多类不直接支持把encoding输入，这给我们带来诸多不便。很多程序难得用encoding了，直接用default的encoding，这就给我们移植带来了很多困难。
2.utf-8
utf-8是和unicode一一对应的，其实现很简单
7位的unicode:0_______
11位的unicode:110_____10______
16位的unicode:1110____10______10______
21位的unicode:11110___10______10______10______
大多数情况是只使用到16位以下的unicode:
"你"的gb码是：0xc4e3,unicode是0x4f60
0xc4e3的二进制：
1100，0100，1110，0011
由于只有两位我们按照两位的编码来排，但是我们发现这行不通，因为第７位不是0因此，返回"?"
0x4f60的二进制：
0100，1111，0110，0000
我们用utf-8补齐，变成：
1110，0100，1011，1101，1010，0000
e4--bd--a0
于是返回：0xe4,0xbd,0xa0。
3.string和byte[]
string其实核心是char[],然而要把byte转化成string，必须经过编码。string.length()其实就是char数组的长度，如果使用不同的编码，很可能会错分，造成散字和乱码。
例如：

java 代码

Stringencoding=“”;
byte[]b={(byte)'u00c4',(byte)'u00e3'};
Stringstr=newString(b,encoding);

如果encoding=8859_1，会有两个字，但是encoding=gb2312只有一个字这个问题在处理分页是经常发生。
4.Reader,Writer/InputStream,OutputStream
Reader和Writer核心是char，InputStream和OutputStream核心是byte。但是Reader和Writer的主要目的是要把char读/写InputStream/OutputStream。
例如：
文件test.txt只有一个"你"字，0xc4,0xe3

java 代码

Stringencoding="gb2312";
InputStreamReaderreader=newInputStreamReader(newFileInputStream(
"text.txt"),encoding);
charc[]=newchar[10];
intlength=reader.read(c);
for(inti=0;i＜length;i++){
System.out.println(c[i]);
}

结果是什么？你
如果encoding="8859_1"，结果是什么？??两个字符，表示不认识。
反过来的例子自己做。
5.我们要对java的编译器有所了解 ：
javac?encoding
我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。如果没有指定encoding，则按照系统的默认encoding,gb平台上是gb2312，英文平台上是iso8859_1。
java 的编译器实际上是调用sun.tools.javac.main的类，对文件进行编译，这个类有compile函数中间有一个encoding的变量,- encoding的参数其实直接传给encoding变量。编译器就是根据这个变量来读取java文件的，然后把用utf-8形式编译成class文件。
例子代码：

java 代码

Stringstr="你";
FileWriterwriter=newFileWriter("text.txt");
write.write(str);
writer.close();

如果用gb2312编译，你会找到e4bda0的字段；
如果用8859_1编译，00c400e3的二进制：
0000，0000，1100，0100，0000，0000，1110，0011
因为每个字符都大于7位，因此用11位编码：
1100，0001，1000，0100，1100，0011，1010，0011
c1--84--c3--a3
你会找到c184c3a3。
但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：
样例代码在中文平台上编译，生成zhclass
样例代码在英文平台上编译，输出enclass
(1).zhclass在中文平台上执行ok,但是在英文平台上不行
(2).enclass在英文平台上执行ok,但是在中文平台上不行
原因：
(1). 在中文平台上编译后，其实str在运行态的char[]是0x4f60,在中文平台上运行，filewriter的缺省编码是gb2312,因此 chartobyteconverter会自动用调用gb2312的converter,把str转化成byte输入到fileoutputstream 中，于是0xc4,0xe3放进了文件。
但是如果是在英文平台下，chartobyteconverter的缺省值是8859_1,filewriter会自动调用8859_1去转化str,但是他无法解释，因此他会输出"?"
(2).在英文平台上编译后，其实str在运行态的char[]是0x00c40x00e3,在中文平台上运行，中文无法识别，因此会出现??；
在英文平台上，0x00c4-->0xc4,0x00e3->0xe3，因此0xc4,0xe3被放进了文件。

 6.其它原因：
＜%@pagecontentType="text/html;charset=GBK"%>
设置浏览器的显示编码，如果response的数据是utf8编码，显示将是乱码，但是乱码和上述原因还不一样。

    7.发生编码的地方 ：
从数据库到java程序byte——〉char
从java程序到数据库char——〉byte
从文件到java程序byte——〉char
从java程序到文件char——〉byte
从java程序到页面显示char——〉byte
从页面form提交数据到java程序byte——〉char
从流到java程序byte——〉char
从java程序到流char——〉byte
谢志钢的解决方法：
我是使用配置过滤器的方法解决中文乱码的：

xml 代码

＜web-app>
＜filter>
＜filter-name>RequestFilter＜/filter-name>
＜filter-class>net.golden.uirs.util.RequestFilter＜/filter-class>
＜init-param>
＜param-name>charset＜/param-name>
＜param-value>gb2312＜/param-value>
＜/init-param>
＜/filter>
＜filter-mapping>
＜filter-name>RequestFilter＜/filter-name>
＜url-pattern>*.jsp＜/url-pattern>
＜/filter-mapping>
＜/web-app>
publicvoiddoFilter(ServletRequestreq,ServletResponseres,
FilterChainfChain)throwsIOException,ServletException{
HttpServletRequestrequest=(HttpServletRequest)req;
HttpServletResponseresponse=(HttpServletResponse)res;
HttpSessionsession=request.getSession();
StringuserId=(String)session.getAttribute("userid");
req.setCharacterEncoding(this.filterConfig.getInitParameter("charset"));//设置字符集？
实际上是设置了byte——〉char的encoding
try{
if(userId==null||userId.equals("")){
if(!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}\x2Ejsp$")){
session.invalidate();
response.sendRedirect(request.getContextPath()+
"/uirs/logon/logon.jsp");
}
}
else{//看看是否具有信息上报系统的权限
if(!net.golden.uirs.util.UirsChecker.check(userId,"信息上报系统",
net.golden.uirs.util.UirsChecker.ACTION_DO)){
if(!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}\x2Ejsp$")){
response.sendRedirect(request.getContextPath()+
"/uirs/logon/logonController.jsp");
}
}
}
}
catch(Exceptionex){
response.sendRedirect(request.getContextPath()+
"/uirs/logon/logon.jsp");
}
fChain.doFilter(req,res);
}

评论

2 楼 diandidemeng 2007-08-15  

就拿各种浏览器的解码方式来看,你换成utf-8或gb2312,它们的显示结果都不一样...

1 楼 lewisou 2007-08-04  

我对你的解决方法有点疑惑。
request被写死编码是gb2312,如果某个jsp页面的response输出编码是utf-8,那浏览器默认的表单递交编码就是utf-8,而request用gb2313来解析是不是会有乱码？