java中文亂碼解決方案和經驗

2019-11-18 11:29:19

字體：大中小

來源：轉載

供稿：網友

1.字節和unicode
java內核是unicode的，就連class文件也是，但是很多媒體，包括文件/流的保存方式是使用字節流的。因此java要對這些字節流經行轉化。char是unicode的，而byte是字節。java中byte/char互轉的函數在sun.io的包中間有。其中ByteToCharConverter類是中調度，可以用來告訴你，你用的convertor。其中兩個很常用的靜態函數是

public static ByteToCharConverter getDefault(); 
public static ByteToCharConverter getConverter(String encoding);

假如你不指定converter，則系統會自動使用當前的encoding,gb平臺上用gbk,en平臺上用8859_1。
byte ——〉char：
"你"的gb碼是：0xc4e3 ,unicode是0x4f60

String encoding = "gb2312"; 
byte b[] = {(byte)'/u00c4',(byte)'/u00e3'}; 
ByteToCharConverter converter = ByteToCharConverter.getConverter(encoding); 
char c[] = converter.convertAll(b); 
for (int i = 0; i < c.length; i++) { 
System.out.PRintln(Integer.toHexString(c[i])); 
}

結果是什么？0x4f60
假如encoding ="8859_1"，結果又是什么？0x00c4,0x00e3
假如代碼改為

byte b[] = {(byte)'/u00c4',(byte)'/u00e3'}; 
ByteToCharConverter converter = ByteToCharConverter. getDefault(); 
char c[] = converter.convertAll(b); 
for (int i = 0; i < c.length; i++) { 
System.out.println(Integer.toHexString(c[i])); 
}

結果將又是什么？根據平臺的編碼而定。

char ——〉byte： 
String encoding = "gb2312"; 
char c[] = {'/u4f60'}; 
CharToByteConverter converter = CharToByteConverter.getConverter(encoding); 
byte b[] = converter.convertAll(c); 
for (int i = 0; i < b.length; i++) { 
System.out.println(Integer.toHexString(b[i])); 
}

結果是什么？0x00c4,0x00e3
假如encoding ="8859_1"，結果又是什么？0x3f
假如代碼改為

String encoding = "gb2312"; 
char c[] = {'/u4f60'}; 
CharToByteConverter converter = CharToByteConverter.getDefault(); 
byte b[] = converter.convertAll(c); 
for (int i = 0; i < b.length; i++) { 
System.out.println(Integer.toHexString(b[i])); 
}

結果將又是什么？根據平臺的編碼而定。
很多中文問題就是從這兩個最簡單的類派生出來的。而卻有很多類不直接支持把encoding輸入，這給我們帶來諸多不便。很多程序難得用encoding了，直接用default的encoding，這就給我們移植帶來了很多困難。

2.utf-8
utf-8是和unicode一一對應的，其實現很簡單
7位的unicode: 0 _ _ _ _ _ _ _
11位的unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _
16位的unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
21位的unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
大多數情況是只使用到16位以下的unicode:
"你"的gb碼是：0xc4e3 ,unicode是0x4f60
0xc4e3的二進制：
1100 ，0100 ，1110 ，0011
由于只有兩位我們按照兩位的編碼來排，但是我們發現這行不通，因為第７位不是0因此，返回"?"
0x4f60的二進制：
0100 ，1111 ，0110 ，0000
我們用utf-8補齊，變成：
1110 ，0100 ，1011 ，1101 ，1010 ，0000
e4--bd-- a0
于是返回：0xe4,0xbd,0xa0。

3.string和byte[]
string其實核心是char[],然而要把byte轉化成string，必須經過編碼。string.length()其實就是char數組的長度，假如使用不同的編碼，很可能會錯分，造成散字和亂碼。
例如：

String encoding = “”; 
byte [] b={(byte)'/u00c4',(byte)'/u00e3'}; 
String str=new String(b,encoding);

假如encoding=8859_1，會有兩個字，但是encoding=gb2312只有一個字這個問題在處理分頁是經常發生。

4.Reader,Writer / InputStream,OutputStream
Reader和Writer核心是char，InputStream和OutputStream核心是byte。但是Reader和Writer的主要目的是要把char讀/寫InputStream/OutputStream。
例如：
文件test.txt只有一個"你"字，0xc4,0xe3

String encoding = "gb2312"; 
InputStreamReader reader = new InputStreamReader(new FileInputStream( 
"text.txt"), encoding); 
char c[] = new char[10]; 
int length = reader.read(c); 
for (int i = 0; i < length; i++) { 
System.out.println(c[i]); 
}

結果是什么？你
假如encoding ="8859_1"，結果是什么？??兩個字符，表示不熟悉。
反過來的例子自己做。

5.我們要對java的編譯器有所了解 ：
javac ?encoding
我們經常沒有用到encoding這個參數。其實encoding這個參數對于跨平臺的操作是很重要的。假如沒有指定encoding，則按照系統的默認encoding,gb平臺上是gb2312，英文平臺上是iso8859_1。
java的編譯器實際上是調用sun.tools.javac.main的類，對文件進行編譯，這個類有compile函數中間有一個encoding的變量,-encoding的參數其實直接傳給encoding變量。編譯器就是根據這個變量來讀取java文件的，然后把用utf-8形式編譯成class文件。
例子代碼：

String str = "你"; 
FileWriter writer = new FileWriter("text.txt"); 
write.write(str); 
writer.close();

假如用gb2312編譯，你會找到e4 bd a0的字段；
假如用8859_1編譯， 00c4 00e3的二進制：
0000，0000 ，1100，0100 ，0000，0000 ，1110，0011
因為每個字符都大于7位，因此用11位編碼：
1100，0001，1000，0100，1100，0011，1010，0011
c1-- 84--　c3--　 a3
你會找到c1 84 c3 a3 。

但是我們往往忽略掉這個參數，因此這樣往往會有跨平臺的問題：
樣例代碼在中文平臺上編譯，生成zhclass
樣例代碼在英文平臺上編譯，輸出enclass
(1).　 zhclass在中文平臺上執行ok,但是在英文平臺上不行
(2). enclass在英文平臺上執行ok,但是在中文平臺上不行
原因：
(1). 在中文平臺上編譯后，其實str在運行態的char[]是0x4f60,　在中文平臺上運行，filewriter的缺省編碼是gb2312,因此 chartobyteconverter會自動用調用gb2312的converter,把str轉化成byte輸入到fileoutputstream中，于是0xc4,0xe3放進了文件。
但是假如是在英文平臺下，chartobyteconverter的缺省值是8859_1, filewriter會自動調用8859_1去轉化str,但是他無法解釋，因此他會輸出"?"
(2). 在英文平臺上編譯后，其實str在運行態的char[]是0x00c4 0x00e3, 在中文平臺上運行，中文無法識別，因此會出現??；
在英文平臺上，0x00c4-->0xc4,0x00e3->0xe3，因此0xc4,0xe3被放進了文件。

6. 其它原因： <%@ page contentType="text/Html; charset=GBK" %>
設置瀏覽器的顯示編碼，假如response的數據是utf8編碼，顯示將是亂碼，但是亂碼和上述原因還不一樣。

7. 發生編碼的地方 ：
 從數據庫到java程序 byte——〉char
 從java程序到數據庫 char——〉byte
 從文件到java程序 byte——〉char
 從java程序到文件 char——〉byte
 從java程序到頁面顯示 char——〉byte
 從頁面form提交數據到java程序byte——〉char
 從流到java程序byte——〉char
 從java程序到流char——〉byte

謝志鋼的解決方法：
我是使用配置過濾器的方法解決中文亂碼的：

＜web-app> 
＜filter> 
＜filter-name>RequestFilter</filter-name> 
＜filter-class>net.golden.uirs.util.RequestFilter</filter-class> 
＜init-param> 
＜param-name>charset</param-name> 
＜param-value>gb2312</param-value> 
＜/init-param> 
＜/filter> 
＜filter-mapping> 
＜filter-name>RequestFilter</filter-name> 
＜url-pattern>*.jsp</url-pattern> 
＜/filter-mapping> 
＜/web-app> 


public void doFilter(ServletRequest req, ServletResponse res, 
FilterChain fChain) throws IOException, ServletException { 
HttpServletRequest request = (HttpServletRequest) req; 
HttpServletResponse response = (HttpServletResponse) res; 
Httpsession session = request.getSession(); 
String userId = (String) session.getAttribute("userid"); 
req.setCharacterEncoding(this.filterConfig.getInitParameter("charset")); // 設置字符集？ 
實際上是設置了byte ——〉char的encoding 
try { 
if (userId == null  userId.equals("")) { 
if (!request.getRequestURL().toString().matches( 
".*/uirs/logon/logon(Controller){0,1}//x2Ejsp$")) { 
session.invalidate(); 
response.sendRedirect(request.getContextPath() + 
"/uirs/logon/logon.jsp"); 
} 
} 
else { // 看看是否具有信息上報系統的權限 
if (!net.golden.uirs.util.UirsChecker.check(userId, "信息上報系統", 
net.golden.uirs.util.UirsChecker.ACTION_DO)) { 
if (!request.getRequestURL().toString().matches( 
".*/uirs/logon/logon(Controller){0,1}//x2Ejsp$")) { 
response.sendRedirect(request.getContextPath() + 
"/uirs/logon/logonController.jsp"); 
} 
} 
} 
} 
catch (Exception ex) { 
response.sendRedirect(request.getContextPath() + 
"/uirs/logon/logon.jsp"); 
} 
fChain.doFilter(req, res); 
}