java 字符编码分析和总结.docxVIP

String newStr = new String(oldStr.getBytes(), UTF-8); java 中的 String 类是按照 unicode 进行编码的，当使用 String(byte[] bytes, String encoding)构造字符串时，encoding 所指的是 bytes 中的数据是按照那种方式编码的，而不是最后产生的 String 是什么编码方式，换句话说，是让系统把bytes 中的数据由 encoding 编码方式转换成unicode 编码。如果不指明，bytes 的编码方式将由jdk 根据操作系统决定。 当我们从文件中读数据时，最好使用InputStream 方式，然后采用 String(byte[] bytes, String encoding)指明文件的编码方式。不要使用Reader 方式，因为Reader 方式会自动根据jdk 指明的编码方式把文件内容转换成unicode 编码。 当我们从数据库中读文本数据时，采用ResultSet.getBytes()方法取得字节数组， 同样采用带编码方式的字符串构造方法即可。 ResultSet rs; bytep[] bytes = rs.getBytes(); String str = new String(bytes, gb2312); 不要采取下面的步骤。 ResultSet rs; String str = rs.getString(); str = new String(str.getBytes(iso8859-1), gb2312); 这种编码转换方式效率底。之所以这么做的原因是，ResultSet 在getString()方法执行时，默认数据库里的数据编码方式为 iso8859-1。系统会把数据依照iso8859-1 的编码方式转换成 unicode 。使用 str.getBytes(iso8859-1)把数据还原， 然后利用 new String(bytes, gb2312)把数据从 gb2312 转换成unicode，中间多了好多步骤。 从 HttpRequest 中读参数时，利用 reqeust.setCharacterEncoding()方法设置编码方式，读出的内容就是正确的了。 先说 Java。 JVM 里面的任何字符串资源都是Unicode，就是说，任何 String 类型的数据都是 Unicode 编码。没有例外。既然只有一种编码，那么，我们可以这么说，JVM 里面的String 是不带编码的。String 相当于 char[]。 JVM 里面的 byte[] 数据是带编码的。比如，Big5，GBK，GB2312，UTF-8 之类的。一个GBK 编码的byte[] 转换成 String，其实就是从GBK 编码向Unicode 编码转换。 一个String 转换成一个Big5 编码的byte[]，其实就是从 Unicode 编码向Big5 编码转换。所以， Unicode 是所有编码转换的中间介质。所有的编码都有一个转换器可以转换到 Unicode，而Unicode 也可以转换到其他所有的编码。这样构成了一个总线结构。 比如，如果总共有10 种编码，那么只需要 10 + 10 = 20 个转换器就够了。如果要是两两直接转换，那么，需要的转换器数量是一个组合数字，需要90 个转换器。 一个系统的不同部分，都有自己的编码。比如，数据库，文件，JVM，浏览器这 4 个部分。在这些部分之间数据交换的地方，就会出现编码问题。比如，数据库和JVM 之间，文件和 JVM 之间，浏览器和JVM 之间。这些问题的原理都是相通的。 编码问题最容易处理的地方是文件和JVM 之间。文件 IO API 带有encoding 参数，请自行查阅。 最不容易出现编码问题的地方是数据库和JVM之间。这应该是数据库JDBC 连接的基本功能。本文不专门进行讨论。 最容易出问题的地方是浏览器和服务器JVM 之间（其实，代码里面的字符串更容易出问题， 不过，我已经事先声明，本文不讨论代码中的字符串编码）。下面主要讨论这块浏览器和服务 器 JVM 之间的编码问题。 我们把浏览器编码叫做 Browser_Charset，把 JVM 编码叫做 JVM_Charset（通常等于服务器系统编码）。 当浏览器的数据过来的时候，是一个带有Browser_Charset 的 byte[]。 如果用户处理程序需要一个String 类型的数据，那么 JVM 会好心好意地把这个 byte[]转换成 String。使用的转换器是 JVM_Charset - Unicode。 注意，如果这个时候，Browser_Charset 和 JVM_Charset