|
預(yù)備知識： 1.字節(jié)和unicode Java內(nèi)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(jié)流的。 因此Java要對這些字節(jié)流經(jīng)行轉(zhuǎn)化。char是unicode的，而byte是字節(jié). Java中byte/char互轉(zhuǎn)的函數(shù)在sun.io的包中間有。其中ByteToCharConverter類是中調(diào)度， 可以用來告訴你，你用的Convertor。其中兩個很常用的靜態(tài)函數(shù)是 public static ByteToCharConverter getDefault() ; public static ByteToCharConverter getConverter(String encoding); 如果你不指定converter，則系統(tǒng)會自動使用當前的Encoding，GB平臺上用GBK，EN平臺上用 8859_1 我們來就一個簡單的例子： "你"的gb碼是：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<c.length;c++) --{ -- ***.out.println(Integer.toHexString(c[i])); --} --打印出來是0x4F60 --但是如果使用8859_1的編碼，打印出來是 --0x00C4，0x00E3 ----例１ 反過來： --encoding="gb2312"; char c[]={\u4F60}; convertor=ByteToCharConverter.getConverter(encoding); --byte [] b=converter.convertAll(c); --for(int i=0;i<b.length;c++) --{ -- ***.out.println(Integer.toHexString(b[i])); --} --打印出來是：0xC4，0xE3 ----例２ --如果用8859_1就是0x3F，?號，表示無法轉(zhuǎn)化 -- 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(yīng)的，其實現(xiàn)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(shù)情況是只使用到16位以下的Unicode: --"你"的gb碼是：0xC4E3 ，unicode是0x4F60 --我們還是用上面的例子 -- --例１：0xC4E3的二進制： -- -- 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1 -- -- 由于只有兩位我們按照兩位的編碼來排，但是我們發(fā)現(xiàn)這行不通， -- -- 因為第７位不是0因此，返回"?" -- -- -- --例２：0x4F60的二進制： -- -- 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0 -- -- 我們用UTF-8補齊，變成： -- -- 11100100 10111101 10100000 -- -- E4--BD-- A0 -- -- 于是返回0xE4，0xBD，0xA0 -- -- 3.String和byte[] --String其實核心是char[]，然而要把byte轉(zhuǎn)化成String，必須經(jīng)過編碼。 --String.length()其實就是char數(shù)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： ----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(jīng)常發(fā)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 --一個reader的例子： --文件test.txt只有一個"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<c.length;i++) ----***.out.println(c[i]); --如果encoding是gb2312，則只有一個字符，如果encoding=8859_1，則有兩個字符 -------- -- -- ---- 2.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(shù)。其實Encoding這個參數(shù)對于跨平臺的操作是很重要的。 如果沒有指定Encoding，則按照系統(tǒng)的默認Encoding，gb平臺上是gb2312，英文平臺上是ISO8859_1?！? --Java的編譯器實際上是調(diào)用sun.tools.javac.Main的類，對文件進行編譯，這個類 -- 有compile函數(shù)中間有一個encoding的變量，-encoding的參數(shù)其實直接傳給encoding變量。 編譯器就是根據(jù)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。 一個例子： --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： --00000000 11000100 00000000 11100011-- --因為每個字符都大于7位，因此用11位編碼： --11000001 10000100 11000011 10100011 --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(shù)，因此這樣往往會有跨平臺的問題： -- 例３在中文平臺上編譯，生成ZhClass -- 例３在英文平臺上編譯，輸出EnClass --1. ZhClass在中文平臺上執(zhí)行OK，但是在英文平臺上不行 --2. EnClass在英文平臺上執(zhí)行OK，但是在中文平臺上不行 原因： --1.在中文平臺上編譯后，其實str在運行態(tài)的char[]是0x4F60， ---- --在中文平臺上運行，F(xiàn)ileWriter的缺省編碼是gb2312，因此 --CharToByteConverter會自動用調(diào)用gb2312的converter，把str轉(zhuǎn)化 --成byte輸入到FileOutputStream中，于是0xC4，0xE3放進了文件。 --但是如果是在英文平臺下，CharToByteConverter的缺省值是8859_1， --FileWriter會自動調(diào)用8859_1去轉(zhuǎn)化str，但是他無法解釋，因此他會 --輸出"?" ---- --2. 在英文平臺上編譯后，其實str在運行態(tài)的char[]是0x00C4 0x00E3， ---- --在中文平臺上運行，中文無法識別，因此會出現(xiàn)?? -- 在英文平臺上，0x00C4-->0xC4，0x00E3->0xE3，因此0xC4，0xE3被放進了 --文件 ---- 1.對于JSP正文的解釋： --Tomcat首先看一下你的葉面中有沒有"<%@page include的符號。有，則在相同 --地方設(shè)定response.setContentType(..);按照encoding的來讀，沒有他按照8859_1 --讀取文件，然后用UTF-8寫成.java文件，然后用sun.tools.Main去讀取這個文件， --（當然它使用UTF-8去讀），然后編譯成class文件 --setContentType改變的是out的屬性，out變量缺省的encoding是8859_1 2.對Parameter的解釋 3.對include的解釋 總結(jié)： 如果你在NT底下，最簡單的方法就是欺騙java，不加任何Encoding變量： http://localhost/test/test.jsp?value=你 結(jié)果:你好你 但這種方法局限性較大，比如對上傳的文章分段，這樣的做法是死定的，最好的 |
|
|
