JAVA编码（中文转码）问题总结

本章主要分析Java编码和解码的原理，以及中文转码存在的问题做个简单的总结

目录

1 编码基础知识

ISO-8859-1编码

GBK

GB2312

UTF-8

2 WEB系统转换编码

原理

Servlet网络传输编码

Struts2 控制编码

Spring 控制编码

3 字符串转字节

4字节转字符串

1编码基础知识

ISO-8859-1编码

ISO-8859-1编码是单字节编码，向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号

单字节，即一个字节对应一个编码，不能编码汉字

GB2312

能编码汉字，一个汉字用2个字节编码

GBK

1) 能编码汉字，一个汉字用2个字节编码

2) 编码的汉字比GB2312更多

UTF-8

1)能编码汉字，一个汉字用3个字节编码

2) 范围包含汉字，字母，特殊符号，gbk和utf-8之间是可以相互转换的

2 WEB系统转换编码

原理

我们以服务端和客户端的模式来做分析，例如，浏览器是客户端，web服务器是服务端。

这里有个编码和解码的过程，客户端端需要将字符串编码成字节，可以是iso-8859-1,utf-8,gbk等，默认为iso-8859-1，

且转换成字节的过程中不能丢失编码。服务端需要用发送端同样的编码方式进行解码，否则将出现乱码。

一般由服务端确定一种编码和解码的方式，然后告知客户端编码和解码的方式。

Servlet 网络传输编码

接收浏览器POST请求

以JSP为例，服务端将JSP生成HTML发送给客户端。

设置浏览器编码和解码方式为UTF-8

例如：

<%@ page pageEncoding="utf-8" contentType="text/html; charset=utf-8" language="java"%>

服务端解码方式1：

String name = new String(request.getParameter("name").getBytes("ISO-8859-1"),"UTF-8");

服务端解码方式2：

request.setCharacterEncoding("UTF-8");

接收浏览器GET请求

如：http://localhost:8888/webtest/EncodeServlet?name=你好

浏览器将会对url进行urlEncode，编码方式为UTF-8

服务端解码方式：

String name = new String(request.getParameter("name").getBytes("ISO-8859-1"),"UTF-8");

此处用request.setCharacterEncoding("UTF-8");来设置解码，不能奏效，原因是get请求将参数拼在url后面进行url encode，而web容器对url的解码是在调用servlet之前,且默认解码方式是iso-8859-1

响应给浏览器

Response设置编码：

Response是指响应给客户端时，字节的编码方式，默认为ISO-8859-1

可用如下方法查看：

response.getCharacterEncoding();

设置响应流的编码方式：

response.setCharacterEncoding("UTF-8");

设置浏览器的编码和解码方式：

response.setContentType("text/html;charset=UTF-8");

jsp设置：

<%@ page pageEncoding="utf-8" contentType="text/html; charset=utf-8" language="java"%>

pageEncoding：设置jsp文件存储编码

contentType里面的charset：设置浏览器端传输的编码和解码

解析响应时解码，发送请求时编码

要保持响应流和编码和浏览器解码方式一致，才能不乱码

HTTPClient设置编码

Struts2控制编码

Struts.xml中做如下配置：

<constant name="struts.i18n.encoding" value="utf-8"></constant>

Spring控制编码

Web.xml中配置如下：

<filter>
<filter-name>encodingFilter</filter-name><filter-class>org.springframework.web.filter.CharacterEncodingFilter
</filter-class>
<init-param>
<param-name>encoding</param-name>
<param-value>UTF-8</param-value>
</init-param>
<init-param>
<param-name>forceEncoding</param-name>
<param-value>true</param-value>
</init-param>
</filter>

其中encoding设置服务端编码和解码的方式

forceEncoding表示强制编码的方式

3 字符串转字节转码

String s = "s汉";
byte[] bytes1 = s.getBytes("ISO-8859-1");//丢失字符
byte[] bytes2 = s.getBytes("GBK");
byte[] bytes3 = s.getBytes("UTF-8");

4 字节转字符串

String s1 = new String(bytes1,"utf-8");//丢失
String s2 = new String(bytes2,"GBK");
String s3 = new String(bytes3,"utf-8");

评论

1 楼 海云台119 2016-11-19  

分析不错，最后的例子也充分说明
“要保持响应流和编码和浏览器解码方式一致，才能不乱码”
的要害！
我说三点
1.例子说的丢失原因：汉字在其他欧洲语言编码没有对应的符号（也没有必要有）
2.其实涉及到文件的编码转为自己想要编码方式的实现，因为转码到utf涉及到unicode（公厕 ）字典
3.GBK的英文是不会乱码的，因为所有的编码都基于ASCII（美国标准脸）