JAVA中文字符编码问题详解 控制台输出

许多文件的默认编码是ISO-8859-1,而中文操作系统的缺省编码是GB18030，在此工作空间中建立的工程编码是GB18030.我们常用的编码是UTF-8，能够使得插件有更好的国际支持。在编写JSP文件时如果没有更改默认编码，则中文无法正常输出，出现乱码。Eclipse工作空间的默认编码是操作系统缺省编码，和简体中文操作系统（windows xp，windows 2000）编码一致，为GB18030，则初始建立的java文件也是GB18030。

 

Java文件------编译成字节码-----java运行配置-----输出到控制台

必须保证每个环节的内部转化过程正确，才不会出现乱码。

 

Eclipse中修改工程空间编码格式方式

１、windows->Preferences...打开"首选项"对话框，左侧导航树，导航到general->Workspace，右侧Text fileencoding，选择Other，改变为UTF-8，以后新建立工程其属性对话框中的Text fileencoding即为UTF-8。

２、windows->Preferences...打开"首选项"对话框，左侧导航树，导航到general->ContentTypes，右侧Context Types树，点开Text中每一颗子项,并在中输入"UTF-8",点update!

其他java应用开发相关的文件如：properties、XML等已经由Eclipse缺省指定，分别为ISO8859-1，UTF-8，如开发中确需改变编码格式则可以在此指定。

 

3、经过上述二步，新建java文件即为UTF-8编码，Eclipse编译、运行、调试都没问题，但是做RCP应用的Product输出时、或者插件输出时，则总是出错，要么不能编译通过(输出时要重新compile)、

要么输出的插件运行时中文显示乱码。

此时需要再RCP应用、或插件Plugin工程的build.properties中增加一行，javacDefaultEncoding..= UTF-8。让输出时编译知道java源文件时UTF-8编码。

这个设置需要保证所有的java源文件时UTF-8编码格式，如果不全是，可以参考 Eclipse帮中(Plug-inDevelopment Environment Guide > Reference > Feature and Plug-in Buildconfiguration)，

建议全部java源文件是UTF-8编码。

如果插件开发、RCP应用开发原来基于其他编码，如GB18030，想转换为UTF-8，则首先，做以上工作；然后通过查找编码转换工具，如基于 iconv的批量转换工具，将原编码转换为UTF-8编码，注意只转换java源文件，

其他类型文件可能已经是比较合适的编码了；将原工程属性中的 Text fileencoding，从原编码改为UTF-8即可。

　System.out.println使用了PrintStream类来输出字符数据至控制台。PrintStream会使用平台缺省的编码方式来输出字 符。我们的中文系统上缺省方式为GBK，

所以内存中的UNICODE字符被转码成了GBK格式，并送到了操作系统的输出服务中。因为我们操作系统是中文系 统，所以往终端显示设备上打印字符时使用的也是GBK编码。

如果到这一步，我们的字符其实不再是GBK编码的话，终端就会显示出乱码。

 

　- System.out.println会把内存中正确的UNICODE字符编码成GBK，然后发到eclipse的控制台去。等等，我们看到在Run Configuration对话框的Common标签里，

控制台的字符编码被设置成了UTF-8!问题就在这里。System.out.println已经把字符编码成了GBK，而控制台仍然以UTF-8的格式读取字符，自然会出现乱码。

　　将控制台的字符编码设置为GBK，乱码问题解决。

 

(这里补充一点：eclipse的控制台编码是继承了workspace的设置的，通常控制台编码里没有GBK的选项而且不能输入。我们可以先在 workspace的编码设置中输入GBK，然后在控制台的设置中就可以看到GBK的选项了，设置好后再把workspace的字符编码设置改回utf- 8就是。)

 

 

JSP页面从编写到在浏览器上浏览，总共有四次字符编解码。

　　1. 以某种字符编码保存JSP文件

　　2. Tomcat以指定编码来读取JSP文件并编译

　　3. Tomcat向浏览器以指定编码来发送HTML内容

　　4. 浏览器以指定编码解析HTML内容

　　这里的四次字符编解码，有一次发生错误最终显示的就会是乱码。我们依次来分析各次的字符编码是如何设置的。

 

 

JSP文件开头的《%@page language=“java” contentType=“text/html; charset=utf-8”pageEncoding=“utf-8”%》，其中pageEncoding用来告诉tomcat此文件所用的字符编码。

这个编码应该与eclipse保存文件用的编码一致。Tomcat以此编码方式来读取JSP文件并编译。

- page标签中的contentType用来设置tomcat往浏览器发送HTML内容所使用的编码。这个编码会在HTTP响应头中指定以通知浏览器。

 

比如，我们在JSP文件中使用以下代码：

　　《%

　　BufferedReader reader =new BufferedReader(new FileReader(“D：\\test.txt”));

　　String content = reader.readLine();

　　reader.close();

　　%》

　　《%=content%》

　　test.txt里保存的是中文字符，但在浏览器上看到的乱码。这是个经常见到的问题。我们继续用之前的方法一步步来分析输入和输出流

　　1. test.txt是以某种编码方式保存中文字符，比如UTF-8。

 

2. BufferedReader直接读取test.txt的字节内容并以默认方式构造字符串。分析BufferedReader的代码，我们可以看到 BufferedReader调用了FileReader的read方法，

而FileReader又调用了FileInputStream的native 的read方法。所谓native的方法，就是操作系统底层方法。那么我们操作系统是中文系统，所以FileInputStream默认用GBK方式读取 文件。

因为我们保存test.txt用的是UTF-8，所以在这里读取文件内容使用GBK是错误的编码。

　　3. 《%=content%》其实就是out.print(content)，这里又用到了HTTP的输出流JspWriter，于是字符串content又被以JSP的page标签中指定的UTF-8方式编码成字节数组被发送到浏览器端。

4. 浏览器以HTTP头中指定的方式解码字符，这时无论是用GBK还是UTF-8解码，显示的都是乱码。

　　可见，我们字符编码转换在第二步时出错了，UTF-8的字符串被当做GBK读入了内存中。

　　解决这个乱码问题有两种方法，一是把test.txt用GBK保存，则FileInputStream能正确读入中文字符;二是使用InputStreamReader来转换字符编码，如：

　InputStreamReader sr =new InputStreamReader(new FileInputStream(“D：\\test.txt”)，“utf-8”);

　　BufferedReader reader =new BufferedReader(sr);

　　这样，JAVA就会用utf-8的方式来从文件中读取字符数据。

　　另外，我们可以通过在java命令后带上Dfile.encoding参数来指定虚拟机读取文件使用的默认字符编码，例如java -Dfile.encoding=utf-8 Test，这样，

我们在JAVA代码里用System.getProperty(“file.encoding”)取到的值为utf-8。

　四、JSP读取request.getParameter里的中文参数后，在页面显示为乱码。

　　在JAVA的WEB应用中，对request对象里的parameters的中文处理一直是常见也最难搞的一只大怪兽。经常是刚搞定了这边，那边又出了乱码。而导致这种复杂性的，

主要是此过程中字符编解码次数非常多，而且无论是浏览器还是WEB服务器特别是TOMCAT总是不能给我们一个比较满意的支持。

　　首先我们来分析用GET方式上传参数的乱码情况。

　　例如我们在浏览器地址栏输入以下URL：http://localhost:8080/test/test.jsp？param=大家好

　　我们的JSP代码如此处理param这个参数：

　　《% String text =request.getParameter(“param”); %》

　　《%=text%》

　　而就这么简单的两句代码，我们很有可能在页面上看到这样的乱码：？ó？？？？

　　网上对处理request.getParamter中的乱码有很多文章和方法，也都是正确的，只是方法太多让人一直不明白到底是为什么。这里给大家分析一下到底是怎么一回事。

　　首先，我们来看看与request对象有哪些相关的编码设置：

　　1. JSP文件的字符编码

　　2. 请求这个带参数URL的源页面的字符编码

　　3. IE的高级设置中的选项“总以utf-8方式发送URL地址”

　　4. TOMCAT的server.xml中配置URIEncoding

　　5. 函数request.setCharacterEncoding()

　　6. JS的encodeURIComponent函数与JAVA的URLDecoder类

　　这么多条相关编码设置，也难怪大家被搞得头晕了。这里给大家根据各种情况给大家一一分析一下。

　由这个表我们可以看到，IE的“总以utf-8方式发送URL地址”设置并不影响对parameter的解析，而从页面请求URL和从地址栏输入URL居然也有不同的表现。

　　根据这个表列出的现象，大家只要用smartSniff抓几个网络包，并稍稍调查一下TOMCAT的源代码，就可以得出以下结论：

　　1. IE设置中的“总以utf-8方式发送URL地址”只对URL的PATH部分起作用，对查询字符串是不起作用的。也就是说，如果勾选了这个选项，那么类似

http://localhost:8080/test/大家好.jsp？param=大家好这种URL，前一个“大家好”将被转化成utf-8形式，而后一个并没有变化。这里所说的utf-8形式，其实应该叫utf-8+escape形式，即%B4%F3%BC%D2%BA%C3这种形式。

　　那么，查询字符串中的中文字符，到底是用什么编码传送到服务器的呢？答案是系统默认编码，即GBK。也就是说，在我们中文操作系统上，传送给WEB服务器的查询字符串，总是以GBK来编码的。

　　2. 在页面中通过链接或location重定向或open新窗口的方式来请求一个URL，这个URL里面的中文字符是用什么编码的？答：是用该页面的编码类型。也就是说，如果我们从某个源JSP页面上的链接来访问http://localhost:8080/test/test.jsp？param=大家好这个URL，如果源JSP页面的编码是UTF-8，则大家好这几个字的编码就是UTF-8。

　　而在地址栏上直接输入URL地址，或者从系统剪贴板粘贴到地址栏上，这个输入并非从页面中发起的，而是由操作系统发起的，所以这个编码只可能是系统的默认编码，与任何页面无关。我们还发现，在不同的浏览器上，用链接方式打开的页面，如果在地址栏上再敲个回车，显示的结果也会不同。IE上敲回车后显示不变 化，而傲游上可能就会有乱码或乱码消失的变化。说明IE上敲回车，实际发送的是之前记忆下来的内存中的URL，而傲游上发送的从当前地址栏重新获取的 URL。

　　3. TOMCAT的URIEncoding如果不加以设置，则默认使用ISO-8859-1来解码URL，设置后便用设置了的编码方式来解码。这个解码同时包 括PATH部分和查询字符串部分。可见，这个参数是对用GET方式传递的中文参数最关键的设置。不过，这个参数只对GET方式传递的参数有效，对POST 的无效。分析TOMCAT的源代码我们可以看到，在请求一个页面时，TOMCAT会尝试构造一个Request对象，在这个对象里，会从 Server.xml里读取URIEncoding的值，并赋值给Parameters类的queryStringEncoding变量，而这个变量将在解析request.getParameter中的GET参数时用来指导字符解码。

　　4. request.setCharacterEncoding函数只对POST的参数有效，对GET的参数无效。且这个函数必须是在第一次调用 request.getParameter之前使用。这是因为Parameters类有两个字符编码参数，一个是encoding，另一个是 queryStringEncoding，而setCharacterEncoding设置的是encoding，这个是在解析POST的参数是才用到的。

　　所以，这就导致了我们通常都要分开处理POST和GET的字符编码，用TOMCAT自带的filter只能处理POST的，另外要设置URIEncoding来设置GET的。这样很麻烦而且URIEncoding无法根据内容来动态区分编码，总还是一个问题。

　　在调查TOMCAT的代码时发现了另一个在server.xml里的参数useBodyEncodingForURI，可以解决这个问题。这个参数设成 true后，TOMCAT就会用request.setCharacterEncoding所设置的字符编码来同样解析GET参数了。这样，那个SetCharacterEncodingFilter就可以同时处理GET和POST参数了。

　　\

 

1. 乱码

 

场合：页面本身有中文的时候 解决办法：servlet：resp.setContentType("text/html;charset=gbk");   Jsp: <%@ page contentType="text/html;charset=gb2312"%>   注意：一定要写在PrintWriter out = resp.getWriter();之前
场合：解决get方式乱码问题：   解决办法：修改server.xml àURIEncoding="GBK"
场合：解决post方式提交内容的乱码   解决办法：request.setCharacterEncoding("GBK"); 注意：一定要写在存取第一个参数之前 不要调用response.setCharacterEncoding("GBK");
场合：<jsp:param name="user" value="<%=s%>"/>，url地址包含中文参数   解决办法：<%request.setCharacterEncoding("GBK");%>   注意：
字符集	字符编码	对应语言
ASCII	ASCII（7位）	英语
ISO-8859-1	ISO-8859-1（8位）	拉丁字母
GB2312	GB2312（16位）	简体中文
GBK	GBK（16位）	简体中文
Unicode	UTF-8（最多三个字节）	多国语言