Java字符集编码研究Word下载.docx
- 文档编号:15742685
- 上传时间:2022-11-15
- 格式:DOCX
- 页数:8
- 大小:23.25KB
Java字符集编码研究Word下载.docx
《Java字符集编码研究Word下载.docx》由会员分享,可在线阅读,更多相关《Java字符集编码研究Word下载.docx(8页珍藏版)》请在冰豆网上搜索。
2.1.iso8859-1
属于单字节编码,最多能表示的字符范围是0-255,应用于英文系列。
比如,字母'
a'
的编码为0x61=97。
很明显,iso8859-1编码表示的字符范围很窄,无法表示中文字符。
但是,由于是单字节编码,和计算机最基础的表示单位一致,所以很多时候,仍旧使用iso8859-1编码来表示。
而且在很多协议上,默认使用该编码。
比如,虽然"
两个字不存在iso8859-1编码,以gb2312编码为例,应该是"
两个字符,使用iso8859-1编码的时候则将它拆开为4个字节来表示:
"
d6d0cec4"
(事实上,在进行存储的时候,也是以字节为单位处理的)。
而如果是UTF编码,则是6个字节"
e4b8ade69687"
很明显,这种表示方法还需要以另一种编码为基础。
2.2.GB2312/GBK
这就是汉子的国标码,专门用来表示汉字,是双字节编码,而英文字母和iso8859-1一致(兼容iso8859-1编码)。
其中gbk编码能够用来同时表示繁体字和简体字,而gb2312只能表示简体字,gbk是兼容gb2312编码的。
2.3.unicode
这是最统一的编码,可以用来表示所有语言的字符,而且是定长双字节(也有四字节的)编码,包括英文字母在内。
所以可以说它是不兼容iso8859-1编码的,也不兼容任何编码。
不过,相对于iso8859-1编码来说,uniocode编码只是在前面增加了一个0字节,比如字母'
为"
0061"
需要说明的是,定长编码便于计算机处理(注意GB2312/GBK不是定长编码),而unicode又可以用来表示所有字符,所以在很多软件内部是使用unicode编码来处理的,比如java。
2.4.UTF
考虑到unicode编码不兼容iso8859-1编码,而且容易占用更多的空间:
因为对于英文字母,unicode也需要两个字节来表示。
所以unicode不便于传输和存储。
因此而产生了utf编码,utf编码兼容iso8859-1编码,同时也可以用来表示所有语言的字符,不过,utf编码是不定长编码,每一个字符的长度从1-6个字节不等。
另外,utf编码自带简单的校验功能。
一般来讲,英文字母都是用一个字节表示,而汉字使用三个字节。
注意,虽然说utf是为了使用更少的空间而使用的,但那只是相对于unicode编码来说,如果已经知道是汉字,则使用GB2312/GBK无疑是最节省的。
不过另一方面,值得说明的是,虽然utf编码对汉字使用3个字节,但即使对于汉字网页,utf编码也会比unicode编码节省,因为网页中包含了很多的英文字符。
3.java对字符的处理
在java应用软件中,会有多处涉及到字符集编码,有些地方需要进行正确的设置,有些地方需要进行一定程度的处理。
3.1.getBytes(charset)
这是java字符串处理的一个标准函数,其作用是将字符串所表示的字符按照charset编码,并以字节方式表示。
注意字符串在java内存中总是按unicode编码存储的。
比如"
,正常情况下(即没有错误的时候)存储为"
,如果charset为"
gbk"
,则被编码为"
,然后返回字节"
如果charset为"
utf8"
则最后是"
如果是"
iso8859-1"
,则由于无法编码,最后返回"
3f3f"
(两个问号)。
3.2.newString(charset)
这是java字符串处理的另一个标准函数,和上一个函数的作用相反,将字节数组按照charset编码进行组合识别,最后转换为unicode存储。
参考上述getBytes的例子,"
和"
都可以得出正确的结果"
,但iso8859-1最后变成了"
003f003f"
因为utf8可以用来表示/编码所有字符,所以newString(str.getBytes("
),"
)===str,即完全可逆。
3.3.setCharacterEncoding()
该函数用来设置http请求或者相应的编码。
对于request,是指提交内容的编码,指定后可以通过getParameter()则直接获得正确的字符串,如果不指定,则默认使用iso8859-1编码,需要进一步处理。
参见下述"
表单输入"
值得注意的是在执行setCharacterEncoding()之前,不能执行任何getParameter()。
javadoc上说明:
ThismethodmustbecalledpriortoreadingrequestparametersorreadinginputusinggetReader()。
而且,该指定只对POST方法有效,对GET方法无效。
分析原因,应该是在执行第一个getParameter()的时候,java将会按照编码分析所有的提交内容,而后续的getParameter()不再进行分析,所以setCharacterEncoding()无效。
而对于GET方法提交表单是,提交的内容在URL中,一开始就已经按照编码分析所有的提交内容,setCharacterEncoding()自然就无效。
对于response,则是指定输出内容的编码,同时,该设置会传递给浏览器,告诉浏览器输出内容所采用的编码。
3.4.处理过程
下面分析两个有代表性的例子,说明java对编码有关问题的处理方法。
3.4.1.表单输入
Userinput
*(gbk:
d6d0cec4)
browser
webserver
iso8859-1(00d600d000ce00c4)
class,需要在class中进行处理:
getbytes("
)为d6d0cec4,newString("
)为d6d0cec4,内存中以unicode编码则为4e2d6587。
l用户输入的编码方式和页面指定的编码有关,也和用户的操作系统有关,所以是不确定的,上例以gbk为例。
l从browser到webserver,可以在表单中指定提交内容时使用的字符集,否则会使用页面指定的编码。
而如果在url中直接用?
的方式输入参数,则其编码往往是操作系统本身的编码,因为这时和页面无关。
上述仍旧以gbk编码为例。
lWebserver接收到的是字节流,默认时(getParameter)会以iso8859-1编码处理之,结果是不正确的,所以需要进行处理。
但如果预先设置了编码(通过request.setCharacterEncoding()),则能够直接获取到正确的结果。
l在页面中指定编码是个好习惯,否则可能失去控制,无法指定正确的编码。
3.4.2.文件编译
假设文件是gbk编码保存的,而编译有两种编码选择:
gbk或者iso8859-1,前者是中文windows的默认编码,后者是linux的默认编码,当然也可以在编译时指定编码。
Jsp
javafile
compilerread
uincode(gbk:
4e2d6587;
iso8859-1:
00d600d000ce00c4)
compilerwrite
utf(gbk:
e4b8ade69687;
*)
compiledfile
unicode(gbk:
class。
所以用gbk编码保存,而用iso8859-1编译的结果是不正确的。
class
unicode(4e2d6587)
system.out/jsp.out
gbk(d6d0cec4)
osconsole/browser。
l文件可以以多种编码方式保存,中文windows下,默认为ansi/gbk。
l编译器读取文件时,需要得到文件的编码,如果未指定,则使用系统默认编码。
一般class文件,是以系统默认编码保存的,所以编译不会出问题,但对于jsp文件,如果在中文windows下编辑保存,而部署在英文linux下运行/编译,则会出现问题。
所以需要在jsp文件中用pageEncoding指定编码。
lJava编译的时候会转换成统一的unicode编码处理,最后保存的时候再转换为utf编码。
l当系统输出字符的时候,会按指定编码输出,对于中文windows下,System.out将使用gbk编码,而对于response(浏览器),则使用jsp文件头指定的contentType,或者可以直接为response指定编码。
同时,会告诉browser网页的编码。
如果未指定,则会使用iso8859-1编码。
对于中文,应该为browser指定输出字符串的编码。
lbrowser显示网页的时候,首先使用response中指定的编码(jsp文件头指定的contentType最终也反映在response上),如果未指定,则会使用网页中meta项指定中的contentType。
3.5.几处设置
对于web应用程序,和编码有关的设置或者函数如下。
3.5.1.jsp编译
指定文件的存储编码,很明显,该设置应该置于文件的开头。
例如:
<
%@pagepageEncoding="
GBK"
%>
另外,对于一般class文件,可以在编译的时候指定编码。
3.5.2.jsp输出
指定文件输出到browser是使用的编码,该设置也应该置于文件的开头。
%@pagecontentType="
text/html;
charset=GBK"
%>
该设置和response.setCharacterEncoding("
)等效。
3.5.3.meta设置
指定网页使用的编码,该设置对静态网页尤其有作用。
因为静态网页无法采用jsp的设置,而且也无法执行response.setCharacterEncoding()。
METAhttp-equiv="
Content-Type"
content="
charset=GBK"
/>
如果同时采用了jsp输出和meta设置两种编码指定方式,则jsp指定的优先。
因为jsp指定的直接体现在response中。
需要注意的是,apache有一个设置可以给无编码指定的网页指定编码,该指定等同于jsp的编码指定方式,所以会覆盖静态网页中的meta指定。
所以有人建议关闭该设置。
3.5.4.form设置
当浏览器提交表单的时候,可以指定相应的编码。
formaccept-charset="
gb2312"
>
一般不必不使用该设置,浏览器会直接使用网页的编码。
4.系统软件
下面讨论几个相关的系统软件。
4.1.mysql数据库
很明显,要支持多语言,应该将数据库的编码设置
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Java 字符集 编码 研究
![提示](https://static.bdocx.com/images/bang_tan.gif)