深入分析JavaWeb中文编码问题.docVIP

黑马程序员：深入分析JavaWeb中文编码问题 JavaWeb编程中乱码的成因 因为计算机只认识0与1，在网络上要想传输各种字符就需要进行编码。而由于编码、传输、解码过程存在各种不确定性，导致乱码问题频发，成为困扰初学者的一大问题。本文就试图用最简单的示例解释乱码问题。 为什么会出现乱码问题? 如同发电报一样，如果发报的采用一个密码本进行发报，而接收端采用另外的密码本进行解码，肯定会导致无法解码一样。如果在计算机网络中传输数据，发送端采用的编码和接收端采用的编码不一致就会导致乱码问题。 认识各种编码： ASCII： ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。 ISO-8859-1： 由于ASCII是美国标准，其收录了空格及94个“可印刷字符”，足以给英语使用。但是，其他使用拉丁字母的语言（主要是欧洲国家的语言），都有一定数量的附加符号字母，故需要使用ASCII及控制字符以外的区域来储存及表示。 为了解决这个问题，国际标准化组织（ISO）及国际电工委员会（IEC）联合制定的一系列8位字符集的标准ISO-8859，其全称ISO/IEC 8859，现时定义了15个字符集。除了使用拉丁字母的语言外，使用西里尔字母的东欧语言、希腊语、泰语、现代阿拉伯语、希伯来语等，都可以使用这个形式来储存及表示。 GBK/GB2312： 为了解决中文的显示和编辑问题，1980年中国国家标准总局发布了GB2312标准，全称是《信息交换用汉字编码字符集》，标准号是GB 2312—1980。GB2312编码适用于汉字处理、汉字通信等系统之间的信息交换，通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持GB 2312。基本集共收入汉字6763个和非汉字图形字符682个。GB 2312的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆99.75%的使用频率。但是对于人名、古汉语等方面出现的罕用字，GB 2312不能处理，这导致了后来GBK及GB 18030汉字字符集的出现。 1995年中国国家标准总局又颁布了《汉字编码扩展规范》（GBK）。GBK与GB 2312—1980国家标准所对应的内码标准兼容，同时在字汇一级支持ISO/IEC10646—1和GB 13000—1的全部中、日、韩（CJK）汉字，共计20902字。 国家标准GB18030-2005《信息技术 中文编码字符集》是我国继GB2312-1980和GB13000.1-1993之后最重要的汉字编码标准，是我国计算机系统必须遵循的基础性标准之一。 GB18030有两个版本：GB18030-2000和GB18030-2005。GB18030-2000是GBK的取代版本，它的主要特点是在GBK基础上增加了CJK统一汉字扩充A的汉字。GB18030-2005的主要特点是在GB18030-2000基础上增加了CJK统一汉字扩充B的汉字。GB18030-2005是我国自主研制的以汉字为主并包含多种我国少数民族文字（如藏、蒙古、傣、彝、朝鲜、维吾尔文等）的超大型中文编码字符集强制性标准，其中收入汉字70000余个。中文的Windows操作系统默认使用GBK/GB2312编码。 Unicode： 很多传统的编码方式都有一个共同的问题，即容许电脑处理双语环境（通常使用拉丁字母以及其本地语言），但却无法同时支持多语言环境（指可同时处理多种语言混合的情况）。Unicode 是为了解决传统的字符编码方案的局限而产生的，例如ISO 8859所定义的字符虽然在不同的国家中广泛地使用，可是在不同国家间却经常出现不兼容的情况。Unicode的出现，能够使计算机实现跨语言、跨平台的文本转换及处理。 UTF-8： 因为Unicode编码使用2个字节存储一个字符。事实证明，对可以用ASCII表示的字符使用Unicode并不高效，因为Unicode比ASCII占用大一倍的空间，而对ASCII来说高字节的0对他毫无用处。为了解决这个问题，就出现了一些中间格式的字符集，他们被称为通用转换格式，即UTF（Unicode Transformation Format）。 UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码。由Ken Thompson于1992年创建。现在已经标准化为RFC 36