這是我們公司總結的一些關於中文亂碼問題的一些解決方案和經驗和大家分享!


這是我們公司總結的一些關於中文亂碼問題的一些解決方案和經驗和大家分享!
owen1944 原創  (參與分:211,專家分:890)   發表:2003-7-28 下午10:04   版本:1.0   閱讀:9126

1.字節和unicode
    java內核是unicode的,就連class文件也是,但是很多媒體,包括文件/流的保存方式是使用字節流的。因此java要對這些字節流經行轉化。char是unicode的,而byte是字節。java中byte/char互轉的函數在sun.io的包中間有。其中ByteToCharConverter類是中調度,可以用來告訴你,你用的convertor。其中兩個很常用的靜態函數是 
public static ByteToCharConverter getDefault(); 
public static ByteToCharConverter getConverter(String encoding); 
如果你不指定converter,則系統會自動使用當前的encoding,gb平台上用gbk,en平台上用8859_1。
byte ——〉char:
 "你"的gb碼是:0xc4e3 ,unicode是0x4f60
  String encoding = "gb2312";
  byte b[] = {(byte)'\u00c4',(byte)'\u00e3'};
  ByteToCharConverter converter = ByteToCharConverter.getConverter(encoding);
  char c[] = converter.convertAll(b);
  for (int i = 0; i < c.length; i++) {
      System.out.println(Integer.toHexString(c[i]));
  }
 結果是什么?0x4f60
 如果encoding ="8859_1",結果又是什么?0x00c4,0x00e3
 如果代碼改為
 byte b[] = {(byte)'\u00c4',(byte)'\u00e3'};
 ByteToCharConverter converter = ByteToCharConverter. getDefault();
 char c[] = converter.convertAll(b);
 for (int i = 0; i < c.length; i++) {
    System.out.println(Integer.toHexString(c[i]));
 }
 結果將又是什么?根據平台的編碼而定。

 char ——〉byte:
    String encoding = "gb2312";
    char c[] = {'\u4f60'};
    CharToByteConverter converter = CharToByteConverter.getConverter(encoding);
    byte b[] = converter.convertAll(c);
    for (int i = 0; i < b.length; i++) {
       System.out.println(Integer.toHexString(b[i]));
    }
結果是什么?0x00c4,0x00e3
如果encoding ="8859_1",結果又是什么?0x3f
如果代碼改為
String encoding = "gb2312";
    char c[] = {'\u4f60'};
    CharToByteConverter converter = CharToByteConverter.getDefault();
    byte b[] = converter.convertAll(c);
    for (int i = 0; i < b.length; i++) {
       System.out.println(Integer.toHexString(b[i]));
    }
結果將又是什么?根據平台的編碼而定。
很多中文問題就是從這兩個最簡單的類派生出來的。而卻有很多類不直接支持把encoding輸入,這給我們帶來諸多不便。很多程序難得用encoding了,直接用default的encoding,這就給我們移植帶來了很多困難。

2.utf-8
utf-8是和unicode一一對應的,其實現很簡單
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 _ _ _ _ _ _ 
大多數情況是只使用到16位以下的unicode: 
"你"的gb碼是:0xc4e3 ,unicode是0x4f60
    0xc4e3的二進制:
          1100 ,0100 ,1110 ,0011
由於只有兩位我們按照兩位的編碼來排,但是我們發現這行不通,因為第7位不是0因此,返回"?"
    0x4f60的二進制:
               0100 ,1111 ,0110 ,0000
         我們用utf-8補齊,變成:
               1110 ,0100 ,1011 ,1101 ,1010 ,0000
         e4--bd-- a0
         於是返回:0xe4,0xbd,0xa0。

3.string和byte[]
string其實核心是char[],然而要把byte轉化成string,必須經過編碼。string.length()其實就是char數組的長度,如果使用不同的編碼,很可能會錯分,造成散字和亂碼。
例如:
String encoding = “”;
byte [] b={(byte)'\u00c4',(byte)'\u00e3'}; 
String str=new String(b,encoding);  
如果encoding=8859_1,會有兩個字,但是encoding=gb2312只有一個字這個問題在處理分頁是經常發生 。

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讀/寫InputStream/OutputStream。
例如:
文件test.txt只有一個"你"字,0xc4,0xe3
String encoding = "gb2312";
    InputStreamReader reader = new InputStreamReader(new FileInputStream(
        "text.txt"), encoding);
    char c[] = new char[10];
    int length = reader.read(c);
    for (int i = 0; i < length; i++) {
       System.out.println(c[i]);
    }
結果是什么?你
如果encoding ="8859_1",結果是什么???兩個字符,表示不認識。
反過來的例子自己做。

5.我們要對java的編譯器有所了解
javac ?encoding
我們常常沒有用到encoding這個參數。其實encoding這個參數對於跨平台的操作是很重要的。如果沒有指定encoding,則按照系統的默認encoding,gb平台上是gb2312,英文平台上是iso8859_1。
java的編譯器實際上是調用sun.tools.javac.main的類,對文件進行編譯,這個類有compile函數中間有一個encoding的變量,-encoding的參數其實直接傳給encoding變量。編譯器就是根據這個變量來讀取java文件的,然后把用utf-8形式編譯成class文件。
例子代碼:
String str = "你";
    FileWriter writer = new FileWriter("text.txt");
    write.write(str);
    writer.close();

如果用gb2312編譯,你會找到e4 bd a0的字段 ;
如果用8859_1編譯, 00c4 00e3的二進制: 
0000,0000 ,1100,0100 ,0000,0000 ,1110,0011
因為每個字符都大於7位,因此用11位編碼: 
1100,0001,1000,0100,1100,0011,1010,0011 
c1-- 84-- c3--  a3 
你會找到c1 84 c3 a3 。

但是我們往往忽略掉這個參數,因此這樣往往會有跨平台的問題:
樣例代碼在中文平台上編譯,生成zhclass
樣例代碼在英文平台上編譯,輸出enclass
  (1).  zhclass在中文平台上執行ok,但是在英文平台上不行 
  (2).    enclass在英文平台上執行ok,但是在中文平台上不行
原因:
  (1).    在中文平台上編譯后,其實str在運行態的char[]是0x4f60, 在中文平台上運行,filewriter的缺省編碼是gb2312,因此 chartobyteconverter會自動用調用gb2312的converter,把str轉化成byte輸入到fileoutputstream中,於是0xc4,0xe3放進了文件。 
但是如果是在英文平台下,chartobyteconverter的缺省值是8859_1, filewriter會自動調用8859_1去轉化str,但是他無法解釋,因此他會輸出"?"
  (2).    在英文平台上編譯后,其實str在運行態的char[]是0x00c4 0x00e3, 在中文平台上運行,中文無法識別,因此會出現??;
在英文平台上,0x00c4-->0xc4,0x00e3->0xe3,因此0xc4,0xe3被放進了文件。

6.    其它原因:<%@ page contentType="text/html; charset=GBK" %>
設置瀏覽器的顯示編碼,如果response的數據是utf8編碼,顯示將是亂碼,但是亂碼和上述原因還不一樣。

7.    發生編碼的地方
    從數據庫到java程序 byte——〉char
    從java程序到數據庫 char——〉byte
    從文件到java程序 byte——〉char
    從java程序到文件 char——〉byte
    從java程序到頁面顯示 char——〉byte
    從頁面form提交數據到java程序byte——〉char
    從流到java程序byte——〉char
    從java程序到流char——〉byte

謝志鋼的解決方法:
我是使用配置過濾器的方法解決中文亂碼的:

<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>


  public void doFilter(ServletRequest req, ServletResponse res,
                       FilterChain fChain) throws IOException, ServletException {
    HttpServletRequest request = (HttpServletRequest) req;
    HttpServletResponse response = (HttpServletResponse) res;
    HttpSession session = request.getSession();
    String userId = (String) session.getAttribute("userid");
req.setCharacterEncoding(this.filterConfig.getInitParameter("charset")); // 設置字符集?
實際上是設置了byte ——〉char的encoding
    try {
      if (userId == null || userId.equals("")) {
        if (!request.getRequestURL().toString().matches(
            ".*/uirs/logon/logon(Controller){0,1}\\x2Ejsp$")) {
          session.invalidate();
          response.sendRedirect(request.getContextPath() +
                                "/uirs/logon/logon.jsp");
        }
      }
      else { // 看看是否具有信息上報系統的權限
        if (!net.golden.uirs.util.UirsChecker.check(userId, "信息上報系統",
            net.golden.uirs.util.UirsChecker.ACTION_DO)) {
          if (!request.getRequestURL().toString().matches(
              ".*/uirs/logon/logon(Controller){0,1}\\x2Ejsp$")) {
            response.sendRedirect(request.getContextPath() +
                                  "/uirs/logon/logonController.jsp");
          }
        }
      }
    }
    catch (Exception ex) {
      response.sendRedirect(request.getContextPath() +
                            "/uirs/logon/logon.jsp");
    }
    fChain.doFilter(req, res);
  }





版權聲明
本篇文章對您是否有幫助?  投票:         投票結果:     13        0


  評論人:liankun    參與分: 9    專家分: 0 發表時間: 2003-7-30 下午5:23
不錯。
收藏。

  評論人:chinasteven    參與分: 6    專家分: 0 發表時間: 2003-7-30 下午8:00
請問在操作數據庫存儲過程時如何傳遞中文安符???

  評論人:wthuahua    參與分: 6    專家分: 0 發表時間: 2003-7-30 下午11:05
完全經典,備份它!
數據庫儲存好象不會遇到中文上的問題吧.

  評論人:owen1944    參與分: 211    專家分: 890 發表時間: 2003-8-1 下午12:16
應該與數據庫本身的編碼有關吧!

  評論人:zqgao    參與分: 12    專家分: 0 發表時間: 2003-8-13 下午12:01
我有個問題請指教:
從畫面form傳過來的數據,把它轉化成gb2312的字符串,作為更新條件,
卻發現更新不成功,不知道是不是也和編碼有關

  評論人:owen1944    參與分: 211    專家分: 890 發表時間: 2003-8-16 下午10:08
是頁面的form提交么?是什么應用服務器?
一般頁面之間的數據傳遞都是以ISO-8859編碼的,不知道你在接受時處理的代碼是怎么樣的
,我可以建議你在接受頁的一開始寫request.setCharacterEncoding("GB2312")(如果你是TOMCAT,weblogic);如果是WEBSPHERE它自動會轉碼。或者用TOMCAT自己帶的filter。

  評論人:lsk1357    參與分: 9    專家分: 0 發表時間: 2004-5-8 下午3:02
很好》謝謝

  評論人:jerry_chin    參與分: 21    專家分: 0 發表時間: 2004-8-17 下午3:44
5555555555555555555
再看我就會完全依賴這個網站了

  評論人:zhushizu    參與分: 48    專家分: 0 發表時間: 2004-9-4 下午9:49
nice!!

think you !

  評論人:vssivl    參與分: 21    專家分: 0 發表時間: 2004-9-16 下午3:32
請教:用POI把數據寫入Excel表,用HSSFHeader時無法顯示中文   

  評論人:emate    參與分: 15    專家分: 0 發表時間: 2004-9-17 上午9:54
為什么不用 GBK ?  gb2312字符集太小了啊

  評論人:vssivl    參與分: 21    專家分: 0 發表時間: 2004-9-17 下午6:57
好像不用設字符集。其他單元格設一句
cell.setEncoding( HSSFCell.ENCODING_UTF_16 );
就可以了,但是HSSFHeader沒有這個函數。
今天又試了一下,從gbk到Unicode沒有問題,但好像必須再編碼成utf 在Excel中才能正常顯示,想不明白了。

注意!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系我们删除。



 
粤ICP备14056181号  © 2014-2020 ITdaan.com