|
预备知识： 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 public static ByteToCharConverter getDefault() ; public static ByteToCharConverter getConverter(String encoding); 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 我们来就一个简单的例子： "你"的gb码是：0xC4E3 ,unicode是0x4F60 你用: --encoding="gb2312"; --byte b[]={(byte)"u00c4",(byte)"u00E3"}; --convertor=ByteToCharConverter.getConverter(encoding); --char [] c=converter.convertAll(b); --for(int i=0;i -- System.out.println(Integer.toHexString(c[i])); --} --打印出来是0x4F60 --但是如果使用8859_1的编码，打印出来是 --0x00C4,0x00E3 ----例１ 反过来： --encoding="gb2312"; char c[]={"u4F60"}; convertor=ByteToCharConverter.getConverter(encoding); --byte [] b=converter.convertAll(c); --for(int i=0;i -- System.out.println(Integer.toHexString(b[i])); --} --打印出来是：0xC4,0xE3 ----例２ --如果用8859_1就是0x3F，?号，表示无法转化 -- 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: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _ --16位的Unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ --21位的Unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ --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 --我们还是用上面的例子 -- --例１：0xC4E3的二进制： -- -- 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1 -- -- 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"?" -- -- -- --例２：0x4F60的二进制： -- -- 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0 -- -- 我们用UTF-8补齐，变成： -- -- 11100100 10111101 10100000 -- -- 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： ----byte [] b={(byte)"u00c4",(byte)"u00e3"}; ----String str=new String(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 --一个reader的例子： --文件test.txt只有一个"你"字，0xC4,0xE3-- --String encoding=; --InputStreamReader reader=new InputStreamReader( ----new FileInputStream("text.txt"),encoding); --char []c=new char[10]; --int length=reader.read(c); --for(int i=0;i --如果encoding是gb2312，则只有一个字符，如果encoding=8859_1，则有两个字符 -------- -- -- ---- 2.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。 一个例子： --public void test() --{ ----String str="你"; ----FileWriter write=new FileWriter("test.txt"); ----write.write(str); ----write.close(); --} ----例３ --如果用gb2312编译，你会找到E4 BD A0的字段 -- --如果用8859_1编译， --00C4 00E3的二进制： --00000000 11000100 00000000 11100011-- --因为每个字符都大于7位，因此用11位编码： --11000001 10000100 11000011 10100011 --C1-- 84-- C3-- A3 --你会找到C1 84 C3 A3 -- 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： -- 例３在中文平台上编译，生成ZhClass -- 例３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0x00C4 0x00E3, ---- --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 ---- 1.对于JSP正文的解释： --Tomcat首先看一下你的叶面中有没有"<%@page include的符号。有，则在相同 --地方设定response.setContentType(..);按照encoding的来读，没有他按照8859_1 --读取文件，然后用UTF-8写成.java文件，然后用sun.tools.Main去读取这个文件， --（当然它使用UTF-8去读），然后编译成class文件 --setContentType改变的是out的属性，out变量缺省的encoding是8859_1 2.对Parameter的解释 --很不幸Parameter只有ISO8859_1的解释，这个质料可以在servlet的实现代码中找到。 3.对include的解释 格式的，但是很不幸，由于那个写"org.apache.jasper.compiler.Parser"的人 在数组JspUtil.ValidAttribute[]忘记加了一个参数：encoding,因此导致不支 持这种方式。你完全可以编译源代码，加上对encoding的支持 总结： 如果你在NT底下，最简单的方法就是欺骗java,不加任何Encoding变量： 你好<%=request.getParameter("value")%> http://localhost/test/test.jsp?value=你 结果:你好你 但这种方法局限性较大，比如对上传的文章分段，这样的做法是死定的，最好的 解决方案是用这种方案： <%@ page contentType="text/html;charset=gb2312" %> 你好<%=new String(request.getParameter("value").getBytes("8859_1"),"gb2312")%> 必读好文,但解决方案不敢恭维 |