一、Java中的字符编码
Java在内部使用UTF-16对字符进行编码.这样就存在Unicode编码和本地字符集编码相互转换的过程.
当Java读取字符数据的时候,字符的本地字符集编码会转换为字符的Unicode编码,而输出字符的时候,则需要将字符的Unicode编码转换为字符的本地文字编码.
例:
在中文系统下,从控制台读取字符”中”,实际上读取的”中”的GBK编码值0xD6D0.在Java中GBK编码值将转换为Unicode编码值0x4E2D.此时在内存中,”中”的数值就是0x4E2D.当输出字符时,Java语言将Unicode编码值转换为GBK编码值,该值被GBK字符集解码,并在显示设备上画出相应的字符.
二、Java的乱码产生的过程的分析
上述过程,读写和写入的过程是可逆的.那么不会出现中文乱码问题.但实际应用中要复杂的多.字符数据在各种不同的字符集之间转换时,就会出现乱码.
GBK与GB2312之间的转换就也有可能出现乱码.
常见乱码情况
在Java中,不同字符集编码的转换是通过Unicode作为中介来转换的.
例如GBK编码的字符”中”转换为ISO-8859-1编码,过程如下
(1)”中”的GBK编码转为Unicode.0xD6D0-->0x4E2D.
(2)”中”的Unicode编码转换为ISO-8859-1.但是0x4E2D在ISO-8859-1中没有对应的编码,于是得到0x3f,也就是字符”?”.
从Unicode编码向某字符集编码转换时,如果在该字符集中没有编码,则得到0x3f(即字符”?”).
从某字符集向Unicode编码转换时, 如果在该字符集中没有编码,则得到0xfffd.
在Web应用中,通常包括浏览器,Web服务器,Web应用程序,数据库等部分,每一部分都可能使用不同的字符集.
可能产生乱码的环节
(1)浏览器通常根据本地系统的默认字符集把字符编码,之后提交数据。Web容器默认采用ISO-8859-1的编码方式解析POST数据。即在浏览器提交数据后,Web容器按照ISO-8859-1字符集解码,并转为UTF-16编码。这一环节可能乱码产生。
(2)大多数数据库的JDBC驱动程序默认采用ISO-8859-1的编码方式。Java程序在向数据库中存储包含中文的数据时,JDBC驱动首先将程序内部的Unicode编码值转换为ISO-8859-1的编码值,然后传递到数据库中。这一环节可能导致乱码的产生。目前流行的关系型数据库系统都支持数据库编码。即在创建数据库时,可以设置字符集,数据库中的字符以指定的编码存储。
三、中文乱码解决方案
1.POST方法提交含有中文的表单数据
Web容器默认编码为ISO-8859-1,在Servlet/JSP程序中,通过request的getParameter()方法得到的字符串以ISO-8859-1方式错误解码.这是乱码产生的原因.
为了避免容器以ISO-8859-1的编码方式返回字符串, 对于POST方法提交含有中文的表单数据,应在获取请求参数值之前,调用request.setCharacterEncoding(“GBK”),指定请求正文使用的字符编码是GBK.
同样,在向浏览器返回中文数据之前,调用response.setContentType(“text/html;charset=GBK”),指定输出内容的编码方式以GBK编码.
小结:
(1)JSP页面获取请求参数之前,需要调用
<%request.setCharacterEncoding(“GB2312”);%>
(2)指定输出内容的编码格式,需要设置page指令contentType属性.即
<% page contentType=“text/html;charset=GB2312”%>
若JSP中有该代码,则Web容器把JSP页面转换为Servlet类时,会自动添加如下代码:response.setContentType(“text/html;charset=GBK”)
2.以GET方法提交的表单数据中有中文字符
当提交表单采用GET方法时,提交的数据作为查询字符串被附加到URL的末端,发送到服务器,此时在服务器端调用setCharacterEncoding()方法没有用.
该情况需要将请求参数的值,自己做编码转换.
ISO-8859-1转为GBK的一般过程:
String name=request.getParameter(“name”);
byte[] bytes=name.getByte(“ISO-8859-1”);
name=new String(bytes,”GBK”);
3.数据库中存储和读取中文数据
对于大多数数据库的JDBC驱动程序.Java程序在向数据库中存储包含中文的数据时,JDBC驱动首先将程序内部的Unicode编码值转换为ISO-8859-1的编码值,然后传递到数据库中.加上数据库本身也有默认的字符集.这样就会使得读取中文数据时产生乱码.
解决该问题的方法,只需要将数据库默认的编码设为GBK或GB2312即可.
不同的数据库提供了另外方式解决乱码问题.
4.Servlet/JSP在不同语言系统的平台下运行
对于Servlet
实际在Web程序开发中,一般均使用utf-8作为编码格式。实际使用中需要注意以下几点问题。
(1)Java类编码:开发中,一般使用Eclipse作为IDE。请一定注意:需要把工程的编码设为utf-8。
(2)JSP页面的编码:使用page标签的pageEncoding属性。一般在JSP文件第一行有:
<%@ page language="java" import="java.util.*" pageEncoding="utf-8"%>
(3)HTML告知浏览器的解码方式:浏览器解析html时,若没有指定字符集,则浏览器会按照系统的默认字符集解析html。例如中文系统,一般都是gb2312的字符集。所以在html页面里需要添加:
<meta http-equiv="content-type" content="text/html;charset=utf-8">
(4)服务器的编码方式:这是最容易被忽视或被忘记的,因为服务器不需要经常配置。不同服务器的配置是不同的。对于Tomcat编码方式,在 conf/server.xml 文件中添加URIEncoding属性:
<Connector port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" URIEncoding="UTF-8" />
若没有修改服务器编码方式。则对于post的提交是没有影响的。而对于get方式就会出现各种乱码。若设定可统一的编码方式,则post,get均可以没有乱码的提交数据。
解决乱码的核心思想:统一所有的编码,解码,字符集。