Web容的编码问题.docVIP

11 - 1 - Web容器的编码问题 概述 基于 Java 编程语言进行应用开发时，不可避免地要处理中文。Java 编程语言默认的编码方式是 UNICODE，而我们通常使用的数据库及文件都是基于 GBK 编码的，我们经常碰到这样的情况：浏览基于 JSP 技术的网站看到的是乱码，文件打开后看到的也是乱码，被 Java 修改过的数据库的内容在别的场合应用时无法继续正确地提供信息。 本文针对Web应用中常见的编码问题，就如何在OnceAS Web Container上正确使用和传递中文信息做一个较为全面的比较与分析，并给出了相应的解决方案。 本文将从编码基本知识，Java对字符的处理，以及常见问题的解决三个方面对问题进行阐述。 编码基本知识 最早的编码是ISO-8859-1，和ASCII编码相似。但为了方便表示各种各样的语言，逐渐出现了很多标准编码，重要的有如下几个。? 1、ISO-8859-1? 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，ISO-8859-1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 ISO-8859-1编码来表示。而且在很多协议上，默认使用该编码。比如，虽然中文两个字不存在ISO-8859-1编码，以gb2312编码为例，应 该是d6d0?cec4两个字符，使用ISO-8859-1编码的时候则将它拆开为4个字节来表示：d6?d0?ce?c4（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e4?b8?ad?e6?96?87。很明显，这种表示方法还需要以另一种编码为 基础。? 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ISO-8859-1一致（兼容ISO-8859-1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。? 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ISO-8859-1编码 的，也不兼容任何编码。不过，相对于ISO-8859-1编码来说，UNICODE编码只是在前面增加了一个0字节，比如字母a为00?61。? 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。? 4、UTF?-8 考虑到UNICODE编码不兼容ISO-8859-1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-8编码，UTF-8编码兼容ISO-8859-1编码，同时也可以用来表示所有语言的字符，不过，UTF-8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-8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-8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-8编码对汉字使用3个字节，但即使对于汉字网页，UTF-8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。? ?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。? 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char set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。比如中文，正常情况下（即没有错误的时候）存储为4e2d?6587，如果char set为GBK，则被编码为 d6d0?cec4，然后返回字节d6?d0?ce?c4。如果char set为UTF-8则最后是e4?b8?ad?e6?96?87。 如果是ISO-8859-1，则由于无法编码，最后返回?3f?3f（两个问号）。? 3、new?String(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，GBK?和UTF-8都可以得出正确的结果4e2d?6