Jsp编程中文乱码剖析1.docVIP

Jsp编程中文乱码剖析 1 1. 预备知识 2 1.1. 字符 字体 字符集 2 1.2. 常用字符集 2 1.2.1. ASCII及其扩展字符集 2 1.2.2. ISO-8859-1字符集 2 1.2.3. GB2312字符集 2 1.2.4. BIG5字符集 2 1.2.5. GBK字符集 3 1.2.6. GB18030字符集 3 1.2.7. UCS字符集 3 1.2.8. UNICODE字符集 3 1.2.9. 按所表示的文字分类 3 1.3. 编码理论 3 1.3.1. 代码点： 4 1.3.2. 代码单元 4 1.3.3. 一个实例 4 1.3.4. 编码 5 2. 编码发展简介 6 2.1. ASCII 6 2.2. ISO-8859-1 6 2.3. 中文系列（GB2312 BIG5 GBK GB18030） 7 2.4. Unicode 7 2.4.1. UTF(UTF-8 UTF-16) 8 2.4.2. UTF的字节序和BOM 8 3. 编码识别 10 4. 编码兼容性 11 5. 巧用Windows记事本与UltraEdit测试编码 11 6. Java中文问题的由来及解决方案 11 6.1.1. 静态页面的乱码问题 12 6.1.2. 编译期乱码(.java(.class) 12 6.1.3. 表单提交的乱码问题(Tomcat 特有) 13 6.1.4. 与交互mysql乱码 16 6.1.5. Java与文件/流之间的乱码 18 7. 终极解决方案 18 7.1.1. 文本输入、编译、指示浏览器解码 18 7.1.2. 彻底解决表单参数的乱码问题 18 7.1.3. MySQL交互乱码 18 7.1.4. 文件操作乱码 18 7.1.5. 例外 18 Jsp编程中文乱码剖析 预备知识 字符字符是抽象的最小文本单位。它没有固定的形状（可能是一个字形），而且没有值。“A”是一个字符，“€”（德国、法国和许多其他欧洲国家通用货币的标志）也是一个字符。“中”“国”这是两个汉字字符。字符仅仅代表一个符号，没有任何实际值的意义。 字符集是字符的集合。 常用字符集 ASCII及其扩展字符集 作用：表语英语及西欧语言。 位数：ASCII是用7位表示的，能表示128个字符；其扩展使用8位表示，表示256个字符。 范围：ASCII从00到7F，扩展从00到FF。 ISO-8859-1字符集 作用：扩展ASCII，表示西欧、希腊语等。 位数：8位， 范围：从00到FF，兼容ASCII字符集。 GB2312字符集 作用：国家简体中文字符集，兼容ASCII。 位数：使用2个字节表示，能表示7445个符号，包括6763个汉字，几乎覆盖所有高频率汉字。 范围：高字节从A1到F7, 低字节从A1到FE。将高字节和低字节分别加上0XA0即可得到编码。 BIG5字符集 作用：统一繁体字编码。 位数：使用2个字节表示，表示13053个汉字。 范围：高字节从A1到F9，低字节从40到7E，A1到FE。 GBK字符集 作用：它是GB2312的扩展，加入对繁体字的支持，兼容GB2312。 位数：使用2个字节表示，可表示21886个字符。 范围：高字节从81到FE，低字节从40到FE。 GB18030字符集 作用：它解决了中文、日文、朝鲜语等的编码，兼容GBK。 位数：它采用变字节表示(1 ASCII，2，4字节)。可表示27484个文字。 范围：1字节从00到7F; 2字节高字节从81到FE，低字节从40到7E和80到FE；4字节第一三字节从81到FE，第二四字节从30到39。 UCS字符集 作用：国际标准 ISO 10646 定义了通用字符集 (Universal Character Set)。它是与UNICODE同类的组织，UCS-2和UNICODE兼容。 位数：它有UCS-2和UCS-4两种格式，分别是2字节和4字节。 范围：目前，UCS-4只是在UCS-2前面加了0×0000。 UNICODE字符集 作用：为世界650种语言进行统一编码，兼容ISO-8859-1。 位数：UNICODE字符集有多个编码方式，分别是UTF-8，UTF-16和UTF-32。 按所表示的文字分类 1按所表示的文字分类 语言 字符集 正式名称 英语、西欧语 ASCII，ISO-8859-1 MBCS 多字节 简体中文 GB2312 MBCS 多字节 繁体中文 BIG5 MBCS 多字节 简繁中文 GBK MBCS 多字节 中文、日文及朝鲜语 GB18030 MBCS 多字节 字符必须编码后才能被计算机处理。搞清常用编码特性是解决字符集编码问题的基础。字符集编