在實際編程時，接觸得比較多的是gb2312（gbk）和iso8859-1。

　　為什么會有“?”號

　　上文說過，異種語言之間的轉換是通過unicode來完成的。假設有兩種不同的語言a和b，轉換的步驟為：先把a轉化為unicode，再把unicode轉化為b。

　　舉例說明。有gb2312中有一個漢字“李”，其編碼為“c0ee”，欲轉化為iso8859-1編碼。步驟為：先把“李”字轉化為unicode，得到“674e”，再把“674e”轉化為iso8859-1字符。當然，這個映射不會成功，因為iso8859-1中根本就沒有與“674e”對應的字符。

　　當映射不成功時，問題就發生了！當從某語言向unicode轉化時，如果在某語言中沒有該字符，得到的將是unicode的代碼“/uffffd”（“/u”表示是unicode編碼，）。而從unicode向某語言轉化時，如果某語言沒有對應的字符，則得到的是“0x3f”（“?”）。這就是“?”的由來。

　　例如：把字符流buf =“0x80 0x40 0xb0 0xa1”進行new string(buf, "gb2312")操作，得到的結果是“/ufffd/u554a”，再println出來，得到的結果將是“?啊”，因為“0x80 0x40”是gbk中的字符，在gb2312中沒有。

　　再如，把字符串string="/u00d6/u00ec/u00e9/u0046/u00bb/u00f9"進行new string (buf.getbytes("gbk"))操作，得到的結果是“3fa8aca8a6463fa8b4”，其中，“/u00d6”在“gbk”中沒有對應的字符，得到“3f”，“/u00ec”對應著“a8ac”，“/u00e9”對應著“a8a6”，“0046”對應著“46”（因為這是ascii字符），“/u00bb”沒找到，得到“3f”，最后，“/u00f9”對應著“a8b4”。把這個字符串println一下，得到的結果是“?ìéf?ù”。看到沒？這里并不全是問號，因為gbk與unicode映射的內容中除了漢字外還有字符，本例就是最好的明證。

　　所以，在漢字轉碼時，如果發生錯亂，得到的不一定都是問號噢！不過，錯了終究是錯了，50步和100步并沒有質的差別。

　　或者會問：如果源字符集中有，而unicode中沒有，結果會如何？回答是不知道。因為我手頭沒有能做這個測試的源字符集。但有一點是肯定的，那就是源字符集不夠規范。在java中，如果發生這種情況，是會拋出異常的。

　　什么是utf

　　utf，是unicode text format的縮寫，意為unicode文本格式。對于utf，是這樣定義的：

　　（1）如果unicode的16位字符的頭9位是0，則用一個字節表示，這個字節的首位是“0”，剩下的7位與原字符中的后7位相同，如“/u0034”（0000 0000 0011 0100），用“34” (0011 0100)表示；（與源unicode字符是相同的）；

　　（2）如果unicode的16位字符的頭5位是0，則用2個字節表示，首字節是“110”開頭，后面的5位與源字符中除去頭5個零后的最高5位相同；第二個字節以“10”開頭，后面的6位與源字符中的低6位相同。如“/u025d”（0000 0010 0101 1101），轉化后為“c99d”（1100 1001 1001 1101）；

　　（3）如果不符合上述兩個規則，則用三個字節表示。第一個字節以“1110”開頭，后四位為源字符的高四位；第二個字節以“10”開頭，后六位為源字符中間的六位；第三個字節以“10”開頭，后六位為源字符的低六位；如“/u9da7”（1001 1101 1010 0111），轉化為“e9b6a7”（1110 1001 1011 0110 1010 0111）；

　　可以這么描述java程序中unicode與utf的關系，雖然不絕對：字符串在內存中運行時，表現為unicode代碼，而當要保存到文件或其它介質中去時，用的是utf。這個轉化過程是由writeutf和readutf來完成的。

　　好了，基礎性的論述差不多了，下面進入正題。

　　先把這個問題想成是一個黑匣子。先看黑匣子的一級表示：

input(charseta)-＞process(unicode)-＞output(charsetb)

　　簡單，這就是一個ipo模型，即輸入、處理和輸出。同樣的內容要經過“從charseta到unicode再到charsetb”的轉化。

　　再看二級表示：

sourcefile(jsp,java)-＞class-＞output

　　在這個圖中，可以看出，輸入的是jsp和java源文件，在處理過程中，以class文件為載體，然后輸出。再細化到三級表示：

jsp-＞temp file-＞class-＞browser,os console,db

app,servlet-＞class-＞browser,os console,db

　　這個圖就更明白了。jsp文件先生成中間的java文件，再生成class。而servlet和普通app則直接編譯生成class。然后，從class再輸出到瀏覽器、控制臺或數據庫等。

　　jsp：從源文件到class的過程

　　jsp的源文件是以“.jsp”結尾的文本文件。在本節中，將闡述jsp文件的解釋和編譯過程，并跟蹤其中的中文變化。

　　1、jsp/servlet引擎提供的jsp轉換工具（jspc）搜索jsp文件中用＜%@ page contenttype ="text/html; charset=＜jsp-charset＞"%＞中指定的charset。如果在jsp文件中未指定＜jsp-charset＞，則取jvm中的默認設置file.encoding，一般情況下，這個值是iso8859-1；

　　2、jspc用相當于“javac –encoding ＜jsp-charset＞”的命令解釋jsp文件中出現的所有字符，包括中文字符和ascii字符，然后把這些字符轉換成unicode字符，再轉化成utf格式，存為java文件。ascii碼字符轉化為unicode字符時只是簡單地在前面加“00”，如“a”，轉化為“/u0041”（不需要理由，unicode的碼表就是這么編的）。然后，經過到utf的轉換，又變回“41”了！這也就是可以使用普通文本編輯器查看由jsp生成的java文件的原因；

　　3、引擎用相當于“javac –encoding unicode”的命令，把java文件編譯成class文件；

　　先看一下這些過程中中文字符的轉換情況。有如下源代碼：

　servlet：從源文件到class的過程

　　servlet源文件是以“.java”結尾的文本文件。本節將討論servlet的編譯過程并跟蹤其中的中文變化。

　　用“javac”編譯servlet源文件。javac可以帶“-encoding ＜compile-charset＞”參數，意思是“用＜ compile-charset ＞中指定的編碼來解釋serlvet源文件”。

　　源文件在編譯時，用＜compile-charset＞來解釋所有字符，包括中文字符和ascii字符。然后把字符常量轉變成unicode字符，最后，把unicode轉變成utf。

　　在servlet中，還有一個地方設置輸出流的charset。通常在輸出結果前，調用httpservletresponse的setcontenttype方法來達到與在jsp中設置＜jsp-charset＞一樣的效果，稱之為＜servlet-charset＞。

　　注意，文中一共提到了三個變量：＜jsp-charset＞、＜compile-charset＞和＜servlet-charset＞。其中，jsp文件只與＜jsp-charset＞有關，而＜compile-charset＞和＜servlet-charset＞只與servlet有關。

　　看下例：

　　給出如下結論：

　　在class輸出字符串前，會將unicode的字符串按照某一種內碼重新生成字節流，然后把字節流輸入，相當于進行了一步“string.getbytes(???)”操作。???代表某一種字符集。

　　如果是servlet，那么，這種內碼就是在httpservletresponse.setcontenttype()方法中指定的內碼，也就是上文定義的＜servlet-charset＞。

　　如果是jsp，那么，這種內碼就是在＜%@ page contenttype=""%＞中指定的內碼，也就是上文定義的＜jsp-charset＞。

　　如果是java程序，那么，這種內碼就是file.encoding中指定的內碼，默認為iso8859-1。

　　當輸出對象是瀏覽器時

　　以流行的瀏覽器ie為例。ie支持多種內碼。假如ie接收到了一個字節流“d6 d0 ce c4”，你可以嘗試用各種內碼去查看。你會發現用“簡體中文”時能得到正確的結果。因為“d6 d0 ce c4”本來就是簡體中文中“中文”兩個字的編碼。

　　ok，完整地看一遍。

　　jsp：源文件為gb2312格式的文本文件，且jsp源文件中有“中文”這兩個漢字

　　如果指定了＜jsp-charset＞為gb2312，轉化過程如下表。

　　表4　jsp-charset = gb2312時的變化過程

最大的網站源碼資源下載站，