Java中文問題詳解（轉）

2019-11-18 14:29:20

字體：大中小

來源：轉載

供稿：網友

　　我來說一下tomcat如何實現jsp的你就明白了。
預備知識：
　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
　　
　　我們來就一個簡單的例子：
　　　　　"你"的gb碼是：0xc4e3 ,unicode是0x4f60
　　　　　你用:
　　　　　--encoding="gb2312";
　　　　　--byte b[]={(byte)'/u00c4',(byte)'/u00e3'};
　　　　　--convertor=bytetocharconverter.getconverter(encoding);
　　　　　--char [] c=converter.convertall(b);
　　　　　--for(int i=0;i　　　　　--{
　　　　　-- system.out.PRintln(integer.tohexstring(c[i]));
　　　　　--}
　　　　　--打印出來是0x4f60
　　　　　--但是假如使用8859_1的編碼，打印出來是
　　　　　--0x00c4,0x00e3
　　　　　----例１
　　　　反過來：
　　　　 --encoding="gb2312";
　　　　　　　char c[]={'/u4f60'};
　　　　　　　 convertor=bytetocharconverter.getconverter(encoding);
　　　　　--byte [] b=converter.convertall(c);
　　　　　--for(int i=0;i　　　　　--{
　　　　　-- system.out.println(integer.tohexstring(b[i]));
　　　　　--}
　　　　　　--打印出來是：0xc4,0xe3
　　　　　　----例２
　　　　　　--假如用8859_1就是0x3f，?號，表示無法轉化　　　　　　--
　　　　　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
　　--我們還是用上面的例子
　　--　　--例１：0xc4e3的二進制：
　　--　　--　　　 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1
　　--　　--　　　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"?"
　　--　　--　　　
　　--　　--例２：0x4f60的二進制：
　　--　　--　　　 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0
　　--　　--　　　我們用utf-8補齊，變成：
　　--　　--　　　 11100100 10111101 10100000
　　--　　--　　　 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：
　　----byte [] b={(byte)'/u00c4',(byte)'/u00e3'};
　　----string str=new string(b,encoding);　　----

上一篇：Java中異常機制的研究

下一篇：java中文問題－淺析