中文乱码问题详解.pdfVIP

中文乱码问题详解 政府事业部 - 劳动人事开发部 郭志龙 guozl@ 中文乱码问题详解：内容索引  字符集与编码相关知识 • 字符与编码的发展 • 字符串在内存中的存放方法 • 字节、字符、字符串 • 字符集与编码 • 常用编码规则简介 • 编程中的字符与编码 • JAVA程序中的编码实现  JSP编程中文乱码问题根源及问题汇总 • 中文编码问题的根源 • 中文编码问题出现的环节 • JSP文件的汉字问题 • 表单处理中的汉字问题 • Servlet的汉字问题 • JDBC的汉字问题 中文乱码问题详解 ：字符与编码的发展 字符与编码的发展，从计算机对多国语言的支持角度看， 大致可以分为三个阶段 ： • 使用ASCII 编码支持英文语言阶段（英文） 英文 DOS • 使用ANSI 编码支持多种语言阶段 （本地化） 中文DOS ，中文Windows 95/98 ，日文Windows 95/98 • 在 UNICODE 被采用之后（国际化） Windows NT/2000/XP ... ，Linux ，Java 中文乱码问题详解 ：字符与编码的发展 • 计算机开始只支持英语 ，其它语言不能在计算机上存储和显示。 • 为使计算机支持更多语言，通常使用 0x80~0xFF 范围的 2 个 字节来表示 1 个字符。比如 ：汉字中 在中文操作系统中， 使用 [0xD6,0xD0] 这两个字节存储。 • 不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。这些使用 2 个字节来代表一个 字符的各种汉字延伸编码方式，称为 ANSI 编码。 在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操 作系统下，ANSI 编码代表 JIS 编码。 • 不同ANSI 编码之间互不兼容，当信息在国际间交流时，无法 将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。 • 为了国际间信息交流更加方便，国际组织制定了 UNICODE 字符集 ，为各种语言中的每一个字符设定了统一并且唯一的数 字编号，以满足跨语言、跨平台进行文本转换、处理的要求。 中文乱码问题详解 ：字符串在内存中的存放方法 在使用ASCII 编码支持英文语言阶段 ： 单字节字符使用一个字节存放一个字符（SBCS ）。 比如 ，Bob123 在内存中为： 42 6F 62 31 32 33 00 B o b 1 2 3 \0 中文乱码问题详解 ：字符串在内存中的存放方法 在使用ANSI 编码支持多种语言阶段 ： 每个字符使用一个字节或多个字节来表示（MBCS ），因此， 这种方式存放的字符也被称作多字节字符。 比如 ，中文123 在中文Windows 95 内存中为7个字节， 每个汉字占2个字节，每个英文和数字字符占1个字节： D6 D0 CE C4 31 32 33 00 中 文 1 2 3 \0 中文乱码问题详解 ：字符串在内存中的存放方法 在 UNICODE 被采用之后 ：计算机存放字符串时，改为存 放每个字符在 UNICODE 字符集中的序号。目前计算机一 般使用2 个字节（16 位）来存放一个序号（DBCS ），因 此，这种方式存放的字符也被称作宽字节字符。 比如