WEB開發(fā)中的JAVA字符編碼經(jīng)驗(yàn)總結(jié)
WEB開發(fā)中的JAVA字符編碼經(jīng)驗(yàn)總結(jié)
一、概要
在JAVA應(yīng)用程序特別是基于WEB的程序中,經(jīng)常遇到字符的編碼問題。為了防止出現(xiàn)亂碼,首先需要了解JAVA是如何處理字符的,這樣就可以有目的地在輸入/輸出環(huán)節(jié)中增加必要的轉(zhuǎn)碼。其次,由于各種服務(wù)器有不同的處理方式,還需要多做試驗(yàn),確保使用中不出現(xiàn)亂碼。二、基本概念
2.1JAVA中字符的表達(dá)
JAVA中有char、byte、String這幾個(gè)概念。char指的是一個(gè)UNICODE字符,為16位的整數(shù)。byte是字節(jié),字符串在網(wǎng)絡(luò)傳輸或存儲(chǔ)前需要轉(zhuǎn)換為byte數(shù)組。在從網(wǎng)絡(luò)接收或從存儲(chǔ)設(shè)備讀取后需要將byte數(shù)組轉(zhuǎn)換成String。String是字符串,可以看成是由char組成的數(shù)組。String和char為內(nèi)存形式,byte是網(wǎng)絡(luò)傳輸或存儲(chǔ)的序列化形式。舉例:英
Stringying=“英”;
charying=ying.charAt(0);
StringyingHex=Integer.toHexString(ying);82F1
byteyingGBBytes=ying.getBytes(“GBK”);GB編碼的字節(jié)數(shù)值D3A2
2.2編碼方式的簡(jiǎn)介
String序列化成byte數(shù)組或反序列化時(shí)需要選擇正確的編碼方式。如果編碼方式不正確,就會(huì)得到一些0x3F的值。常用的字符編碼方式有ISO8859_1、GB2312、GBK、UTF-8/UTF-16/UTF-32。
ISO8859_1用來編碼拉丁文,它由單字節(jié)(0-255)組成。
GB2312、GBK用來編碼簡(jiǎn)體中文,它有單字節(jié)和雙字節(jié)混合組成。最高位為1的字節(jié)和下一個(gè)字節(jié)構(gòu)成一個(gè)漢字,最高位為0的字節(jié)是ASCII碼。
UTF-8/UTF-16/UTF-32是國(guó)際標(biāo)準(zhǔn)UNICODE的編碼方式。用得最多的是UTF-8,主要是因?yàn)樗趯?duì)拉丁文編碼時(shí)節(jié)約空間。
UNICODE值UTF-8編碼
U-00000000-U-0000007F:0xxxxxxx
U-00000080-U-000007FF:110xxxxx10xxxxxx
U-00000800-U-0000FFFF:1110xxxx10xxxxxx10xxxxxx
U-00010000-U-001FFFFF:11110xxx10xxxxxx10xxxxxx10xxxxxx
U-00201*00-U-03FFFFFF:111110xx10xxxxxx10xxxxxx10xxxxxx10xxxxxx
U-04000000-U-7FFFFFFF:1111110x10xxxxxx10xxxxxx10xxxxxx10xxxxxx10xxxxxx三、J2SE中相關(guān)的函數(shù)Stringstr=”英”;//取得GB2312編碼的字節(jié)
byte[]bytesGB2312=str.getBytes(“GB2312”);
//取得平臺(tái)缺省編碼的字節(jié)(solaris為ISO8859_1,windows為GB2312)byte[]bytesDefault=str.getBytes();
//用指定的編碼將字節(jié)轉(zhuǎn)換成字符串
StringnewStrGB=newString(bytesGB2312,“GB2312”);
//用平臺(tái)缺省的編碼將字節(jié)轉(zhuǎn)換成字符串(solaris為ISO8859_1,windows為GB2312)StringnewStrDefault=newString(bytesDefault);
//用指定的編碼從字節(jié)流里面讀取字符InputStreamin=xxx;
InputStreamReaderreader=InputStreamReader(in,“GB2312”);charaChar=reader.read();四、JSP、數(shù)據(jù)庫的編碼4.1JSP中的編碼(1)靜態(tài)聲明:
CHARSET有兩個(gè)作用:
JSP文件的編碼方式:在讀取JSP文件、生成JAVA類時(shí),源JSP文件中漢字的編碼JSP輸出流的編碼方式:在執(zhí)行JSP時(shí),往response流里面寫入數(shù)據(jù)的編碼方式
(2)動(dòng)態(tài)改變:在往response流里面寫數(shù)據(jù)前可以調(diào)用response.setContentType(),設(shè)定正確的編碼類型。
(3)在TOMCAT中,由Request.getParameter()得到的參數(shù),編碼方式都是ISO8859_1。所以如果在瀏覽器輸入框內(nèi)輸入一個(gè)漢字“英”,在服務(wù)器端就得到一個(gè)ISO8859_1編碼的(0x00,0xD3,0x00,0xA2)。所以通常在接收參數(shù)時(shí)轉(zhuǎn)碼:StringwrongStr=response.getParameter(“name”);
StringcorrectStr=newString(wrongStr.getBytes(“ISO8859_1”),”GB2312”);在最新的SERVLET規(guī)范里面,也可以在獲取參數(shù)之前執(zhí)行如下代碼:request.setCharacterEncoding(“GB2312”);
4.2數(shù)據(jù)庫的編碼(1)數(shù)據(jù)庫使用UTF-16
如果String中是UNICODE字符,寫入讀出時(shí)不需要轉(zhuǎn)碼(2)數(shù)據(jù)庫使用ISO8859_1
如果String中是UNICODE字符,寫入讀出時(shí)需要轉(zhuǎn)碼
寫入:StringnewStr=newString(oldStr.getByte(“GB2312”),“ISO8859_1”);讀出:StringnewStr=newString(oldStr.getByte(“ISO8859_1”),”GB2312”);五、源文件的編碼5.1資源文件
資源文件的編碼方式和編輯平臺(tái)相關(guān)。在WINDOWS平臺(tái)下編寫的資源文件,以GB2312方式編碼。在編譯時(shí)需要轉(zhuǎn)碼,以確保在各個(gè)平臺(tái)上的正確性:native2asciiencodingGB2312source.properties這樣從資源文件中讀出的就是正確的UNICODE字符串。5.2源文件
源文件的編碼方式和編輯平臺(tái)相關(guān)。在WINDOWS平臺(tái)下開發(fā)的源文件,以GB2312方式編碼。在編譯的時(shí)候,需要指定源文件的編碼方式:javacencodingGB2312
JAVA編譯后生成的字節(jié)文件的編碼為UTF-8。
①最新版TOMCAT4.1.18支持request.setCharacterEncoding(Stringenc)②資源文件轉(zhuǎn)碼成company.name=\英\斯\克③如果數(shù)據(jù)庫使用utf-16則不需要這部分轉(zhuǎn)碼④頁面上應(yīng)有轉(zhuǎn)碼:
Strings=newString
(request.getParameter(“name”).getBytes(“ISO8859_1”),”GB2312”);轉(zhuǎn)碼:
Strings=newString(name.getBytes(“GB2312”),”ISO8859_1”);轉(zhuǎn)碼:
Strings=newString(name.getBytes(“ISO8859_1”),”GB2312”);
擴(kuò)展閱讀:WEB開發(fā)中的JAVA字符編碼經(jīng)驗(yàn)總結(jié)
WEB開發(fā)中的JAVA字符編碼經(jīng)驗(yàn)總結(jié)
(作者:中關(guān)村北大青鳥ACCP講師將新云)
在JAVA應(yīng)用程序特別是基于WEB的程序中,經(jīng)常遇到字符的編碼問題。為了防止出現(xiàn)亂碼,首先需要了解JAVA是如何處理字符的,這樣就可以有目的地在輸入/輸出環(huán)節(jié)中增加必要的轉(zhuǎn)碼。其次,由于各種服務(wù)器有不同的處理方式,還需要多做試驗(yàn),確保使用中不出現(xiàn)亂碼。下面先來看一些基本概念:1JAVA中字符的表達(dá)
JAVA中有char、byte、String這幾個(gè)概念。char指的是一個(gè)UNICODE字符,為16位的整數(shù)。byte是字節(jié),字符串在網(wǎng)絡(luò)傳輸或存儲(chǔ)前需要轉(zhuǎn)換為byte數(shù)組。在從網(wǎng)絡(luò)接收或從存儲(chǔ)設(shè)備讀取后需要將byte數(shù)組轉(zhuǎn)換成String。String是字符串,可以看成是由char組成的數(shù)組。String和char為內(nèi)存形式,byte是網(wǎng)絡(luò)傳輸或存儲(chǔ)的序列化形式。舉例:英
Stringying=“英”;
charying=ying.charAt(0);
StringyingHex=Integer.toHexString(ying);82F1
byteyingGBBytes=ying.getBytes(“GBK”);GB編碼的字節(jié)數(shù)值D3A2
2編碼方式的簡(jiǎn)介
String序列化成byte數(shù)組或反序列化時(shí)需要選擇正確的編碼方式。如果編碼方式不正確,就會(huì)得到一些0x3F的值。常用的字符編碼方式有ISO8859_1、GB2312、GBK、UTF-8/UTF-16/UTF-32。
ISO8859_1用來編碼拉丁文,它由單字節(jié)(0-255)組成。
GB2312、GBK用來編碼簡(jiǎn)體中文,它有單字節(jié)和雙字節(jié)混合組成。最高位為1的字節(jié)和下一個(gè)字節(jié)構(gòu)成一個(gè)漢字,最高位為0的字節(jié)是ASCII碼。UTF-8/UTF-16/UTF-32是國(guó)際標(biāo)準(zhǔn)UNICODE的編碼方式。用得最多的是UTF-8,主要是因?yàn)樗趯?duì)拉丁文編碼時(shí)節(jié)約空間。
UNICODE值UTF-8編碼
U-00000000-U-0000007F:0xxxxxxx
U-00000080-U-000007FF:110xxxxx10xxxxxx
U-00000800-U-0000FFFF:1110xxxx10xxxxxx10xxxxxx
U-00010000-U-001FFFFF:11110xxx10xxxxxx10xxxxxx10xxxxxx
U-00201*00-U-03FFFFFF:111110xx10xxxxxx10xxxxxx10xxxxxx10xxxxxx
U-04000000-U-7FFFFFFF:1111110x10xxxxxx10xxxxxx10xxxxxx10xxxxxx10xxxxxx
J2SE中相關(guān)的函數(shù)Stringstr=”英”;//取得GB2312編碼的字節(jié)
byte[]bytesGB2312=str.getBytes(“GB2312”);
//取得平臺(tái)缺省編碼的字節(jié)(solaris為ISO8859_1,windows為GB2312)byte[]bytesDefault=str.getBytes();
//用指定的編碼將字節(jié)轉(zhuǎn)換成字符串
StringnewStrGB=newString(bytesGB2312,“GB2312”);
//用平臺(tái)缺省的編碼將字節(jié)轉(zhuǎn)換成字符串(solaris為ISO8859_1,windows為GB2312)
StringnewStrDefault=newString(bytesDefault);
//用指定的編碼從字節(jié)流里面讀取字符InputStreamin=xxx;
InputStreamReaderreader=InputStreamReader(in,“GB2312”);charaChar=reader.read();四、JSP、數(shù)據(jù)庫的編碼4.1JSP中的編碼(1)靜態(tài)聲明:
CHARSET有兩個(gè)作用:
JSP文件的編碼方式:在讀取JSP文件、生成JAVA類時(shí),源JSP文件中漢字的編碼
JSP輸出流的編碼方式:在執(zhí)行JSP時(shí),往response流里面寫入數(shù)據(jù)的編碼方式
(2)動(dòng)態(tài)改變:在往response流里面寫數(shù)據(jù)前可以調(diào)用response.setContentType(),設(shè)定正確的編碼類型。
(3)在TOMCAT中,由Request.getParameter()得到的參數(shù),編碼方式都是ISO8859_1。所以如果在瀏覽器輸入框內(nèi)輸入一個(gè)漢字“英”,在服務(wù)器端就得到一個(gè)ISO8859_1編碼的(0x00,0xD3,0x00,0xA2)。所以通常在接收參數(shù)時(shí)轉(zhuǎn)碼:
StringwrongStr=response.getParameter(“name”);StringcorrectStr=new
String(wrongStr.getBytes(“ISO8859_1”),”GB2312”);
在最新的SERVLET規(guī)范里面,也可以在獲取參數(shù)之前執(zhí)行如下代碼:request.setCharacterEncoding(“GB2312”);
4.2數(shù)據(jù)庫的編碼(1)數(shù)據(jù)庫使用UTF-16
如果String中是UNICODE字符,寫入讀出時(shí)不需要轉(zhuǎn)碼
(2)數(shù)據(jù)庫使用ISO8859_1
如果String中是UNICODE字符,寫入讀出時(shí)需要轉(zhuǎn)碼
寫入:StringnewStr=newString(oldStr.getByte(“GB2312”),“ISO8859_1”);
讀出:StringnewStr=new
String(oldStr.getByte(“ISO8859_1”),”GB2312”);五、源文件的編碼5.1資源文件
資源文件的編碼方式和編輯平臺(tái)相關(guān)。在WINDOWS平臺(tái)下編寫的資源文件,以GB2312方式編碼。在編譯時(shí)需要轉(zhuǎn)碼,以確保在各個(gè)平臺(tái)上的正確性:native2asciiencodingGB2312source.properties這樣從資源文件中讀出的就是正確的UNICODE字符串。5.2源文件
源文件的編碼方式和編輯平臺(tái)相關(guān)。在WINDOWS平臺(tái)下開發(fā)的源文件,以GB2312方式編碼。在編譯的時(shí)候,需要指定源文件的編碼方式:javacencodingGB2312
JAVA編譯后生成的字節(jié)文件的編碼為UTF-8。
①最新版TOMCAT4.1.18支持request.setCharacterEncoding(Stringenc)②資源文件轉(zhuǎn)碼成company.name=\英\斯\克③如果數(shù)據(jù)庫使用utf-16則不需要這部分轉(zhuǎn)碼④頁面上應(yīng)有轉(zhuǎn)碼:
Strings=newString
(request.getParameter(“name”).getBytes(“ISO8859_1”),”GB2312”);轉(zhuǎn)碼:
Strings=newString(name.getBytes(“GB2312”),”ISO8859_1”);轉(zhuǎn)碼:
Strings=newString(name.getBytes(“ISO8859_1”),”GB2312”);
友情提示:本文中關(guān)于《WEB開發(fā)中的JAVA字符編碼經(jīng)驗(yàn)總結(jié)》給出的范例僅供您參考拓展思維使用,WEB開發(fā)中的JAVA字符編碼經(jīng)驗(yàn)總結(jié):該篇文章建議您自主創(chuàng)作。
來源:網(wǎng)絡(luò)整理 免責(zé)聲明:本文僅限學(xué)習(xí)分享,如產(chǎn)生版權(quán)問題,請(qǐng)聯(lián)系我們及時(shí)刪除。