WEB开发中的JAVA字符编码经验总结

来源： 2017-12-13 15:16中

百度广告

一、概要

　　在JAVA应用程序特别是基于WEB的程序中，经常遇到字符的编码问题。为了防止出现乱码，首先需要了解JAVA是如何处理字符的，这样就可以有目的地在输入/输出环节中增加必要的转码。其次，由于各种服务器有不同的处理方式，还需要多做试验，确保使用中不出现乱码。

二、基本概念

2．1 JAVA中字符的表达 JAVA中有char、byte、String这几个概念。char 指的是一个UNICODE字符，为16位的整数。byte 是字节，字符串在网络传输或存储前需要转换为byte数组。在从网络接收或从存储设备读取后需要将byte数组转换成String。String是字符串，可以看成是由char组成的数组。String 和 char 为内存形式，byte是网络传输或存储的序列化形式。

   举例

   英

   String ying = "英";
   String yingHex = Integer.toHexString(ying);
  te yingGBBytes = ying.getBytes("GBK");
   D3 A2

   2．2 编码方式的简介

　　String序列化成byte数组或反序列化时需要选择正确的编码方式。如果编码方式不正确，就会得到一些0x3F的值。常用的字符编码方式有ISO8859_1、GB2312、GBK、UTF-8/UTF-16/UTF-32。

   ISO8859_1用来编码拉丁文，它由单字节（0－255）组成。

　　GB2312、GBK用来编码简体中文，它有单字节和双字节混合组成。最高位为1的字节和下一个字节构成一个汉字，最高位为0的字节是ASCII码。

　　UTF-8/UTF-16/UTF-32是国际标准UNICODE的编码方式。用得最多的是UTF-8，主要是因为它在对拉丁文编码时节约空间。

   UNICODE值 UTF-8编码
   U-00000080 - U-000007FF: 110xxxxx 10xxxxxx
   U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
   U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

三、J2SE中相关的函数

   String str ="英";    //取得GB2312编码的字节

   //取得平台缺省编码的字节(solaris为ISO8859_1,windows为GB2312)

   //用指定的编码将字节转换成字符串

   //用平台缺省的编码将字节转换成字符串(solaris为ISO8859_1,windows为GB2312)

   //用指定的编码从字节流里面读取字符
   InputStreamReader reader = InputStreamReader( in, "GB2312");
|||
   四、JSP、数据库的编码

   4．1 JSP中的编码

   (1) 静态声明:

   CHARSET有两个作用

   JSP文件的编码方式：在读取JSP文件、生成JAVA类时，源JSP文件中汉字的编码

   (2) 动态改变:在往response流里面写数据前可以调用response.setContentType()，设定正确的编码类型。

   (3) 在TOMCAT中，由Request.getParameter() 得到的参数，编码方式都是ISO8859_1。所以如果在浏览器输入框内输入一个汉字"英"，在服务器端就得到一个ISO8859_1编码的（0x00,0xD3,0x00,0xA2）。所以通常在接收参数时转码

   String wrongStr = response.getParameter("name");

   在最新的SERVLET规范里面，也可以在获取参数之前执行如下代码

   request.setCharacterEncoding("GB2312");

   4．2 数据库的编码

   (1) 数据库使用UTF-16

   如果String中是UNICODE字符，写入读出时不需要转码

   (2) 数据库使用ISO8859_1

   如果String中是UNICODE字符，写入读出时需要转码

   写入：String newStr = new String(oldStr.getByte("GB2312"), "ISO8859_1");

   5．2 源文件

   源文件的编码方式和编辑平台相关。在WINDOWS平台下开发的源文件，以GB2312方式编码。在编译的时候，需要指定源文件的编码方式：

   JAVA编译后生成的字节文件的编码为UTF-8。

   ①最新版TOMCAT4.1.18支持request.setCharacterEncoding(String enc)
   ③如果数据库使用utf-16则不需要这部分转码

   转码ⅰ:
   (request.getParameter("name").getBytes("ISO8859_1"),"GB2312");

   转码ⅱ:

   转码ⅲ: