Java应用中的汉字乱码问题分析_刘长生概要1.docVIP

Java应用中的汉字乱码问题分析 刘长生,谢　强,丁秋林 (南京航空航天大学计算机应用研究所,江苏南京210016) 摘　要:根据Java应用中乱码出现的原因将问题分成了4类:由于编译不当导致的乱码、Web应用中的乱码、数据库读写中 的乱码和I/O读写中的乱码。在各个类别中,先给出出现乱码时的现象,然后对现象进行原因分析,再给出解决的办法。最 后,根据做项目的实践经验,给出了一些解决汉字乱码问题的心得。 关键词:Java;字符集;中文乱码 中图分类号:TP319　　　　　　　文献标识码:A　　　　　　　文章编号:1005-3751(2006)01-0158-04 Analysis of Chinese Character Encoding in Java Programming LIU Chang-sheng,XIE Qiang,DING Qiu-lin (Computer Application Institute,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China) Abstract:First classify the problems into four catalogs according to different causes:incorrect compiling,communication Web application, R/W in database and R/W in I/O.After that,analyze the cause of phenomenon,and then give a solution in each catalog.Finally,come up with some conclusions which were summarized from practical project. Key words:Java;character set;Chinese character encoding 0　前　言 现在大部分具有国际化特征的软件核心字符处理都 是以Unicode为基础的,在软件运行时根据当时的 Locale/Lang/Codepage设置确定相应的本地字符编码设 置,并依此处理本地字符[1]。在处理过程中需要实现 Unicode和本地字符集的相互转换,甚或以Unicode为中 间的两个不同本地字符集的相互转换。这种方式在网络环 境下被进一步延伸,任何网络两端的字符信息也需要根据 字符集的设置转换成可接受的内容[2]。 Java语言在内部采用Unicode表示字符,遵守Unicode V2.0。Java程序无论是从/往文件系统以字符流读/写文 件,还是往URL连接写HTML信息,或从URL连接读取 参数值,都会有字符编码的转换。这样做虽然增加了编程 的复杂度,容易引起混淆,但却符合国际化的思想。 中文编码有GB2312,GBK,BIG5,GB18030-2000等, Jdk1.5已经支持GB18030-2000,如果不熟悉Java中的中 文处理方式及相应规范,就很容易造成乱码问题。在很多 种情况下都可能导致Java的中文乱码问题,可以把这些情 况大致分成如下几类:由于编译不当导致的乱码、Web应 用中的乱码、数据库读写中的乱码和I/O读写中的乱码。 下面文中对这几种情况做逐一探讨。 1　由于编译不当导致的乱码 1.1　现　象 下例是一个类的代码片断: public void encodingTest(){ 　String str=“你”; 　System.out.println(str); } 上例在中文平台上缺省编译(-Encoding GB2312), 生成ZhClass,在英文平台上缺省编译(-Encoding ISO8859-1),生成EnClass。ZhClass在中文平台上执行可 以正确显示汉字“你”,但是在英文平台上会出现乱码“?”。 EnClass在英文平台上执行可以正确显示汉字“你”,但是 在中文平台上会出现乱码“??”。 1.2　原因分析 编译Java源程序要调用Javac,如果没有指定 Encoding,则按照系统的默认Encoding。中文平台上是 GB2312,英文平台上是ISO8859-1。Java的编译器实际上 是调用sun.tools.Javac.Main这个类对源文件进行编译, 这个类的compile函数中间有一个encoding的变量,- encoding的参数其实直接传给encoding变量。编译器就是 根据这个变量来读取Java文件的,然后用UTF-8形式编 译成class文件[3]。 (1)对于7位的Unicode(单字节,高位为0),在其首位