java中文乱码解决方案和经验

2019-11-18 11:29:19

字体：大中小

来源：转载

供稿：网友

1.字节和unicode
java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式是使用字节流的。因此java要对这些字节流经行转化。char是unicode的，而byte是字节。java中byte/char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，可以用来告诉你，你用的convertor。其中两个很常用的静态函数是

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

假如你不指定converter，则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用8859_1。
byte ——〉char：
"你"的gb码是：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])); 
}

结果是什么？0x4f60
假如encoding ="8859_1"，结果又是什么？0x00c4,0x00e3
假如代码改为

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])); 
}

结果将又是什么？根据平台的编码而定。

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])); 
}

结果是什么？0x00c4,0x00e3
假如encoding ="8859_1"，结果又是什么？0x3f
假如代码改为

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])); 
}

结果将又是什么？根据平台的编码而定。
很多中文问题就是从这两个最简单的类派生出来的。而却有很多类不直接支持把encoding输入，这给我们带来诸多不便。很多程序难得用encoding了，直接用default的encoding，这就给我们移植带来了很多困难。

2.utf-8
utf-8是和unicode一一对应的，其实现很简单
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 _ _ _ _ _ _
大多数情况是只使用到16位以下的unicode:
"你"的gb码是：0xc4e3 ,unicode是0x4f60
0xc4e3的二进制：
1100 ，0100 ，1110 ，0011
由于只有两位我们按照两位的编码来排，但是我们发现这行不通，因为第７位不是0因此，返回"?"
0x4f60的二进制：
0100 ，1111 ，0110 ，0000
我们用utf-8补齐，变成：
1110 ，0100 ，1011 ，1101 ，1010 ，0000
e4--bd-- a0
于是返回：0xe4,0xbd,0xa0。

3.string和byte[]
string其实核心是char[],然而要把byte转化成string，必须经过编码。string.length()其实就是char数组的长度，假如使用不同的编码，很可能会错分，造成散字和乱码。
例如：

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

假如encoding=8859_1，会有两个字，但是encoding=gb2312只有一个字这个问题在处理分页是经常发生。

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读/写InputStream/OutputStream。
例如：
文件test.txt只有一个"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]); 
}

结果是什么？你
假如encoding ="8859_1"，结果是什么？??两个字符，表示不熟悉。
反过来的例子自己做。

5.我们要对java的编译器有所了解 ：
javac ?encoding
我们经常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。假如没有指定encoding，则按照系统的默认encoding,gb平台上是gb2312，英文平台上是iso8859_1。
java的编译器实际上是调用sun.tools.javac.main的类，对文件进行编译，这个类有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。编译器就是根据这个变量来读取java文件的，然后把用utf-8形式编译成class文件。
例子代码：

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

假如用gb2312编译，你会找到e4 bd a0的字段；
假如用8859_1编译， 00c4 00e3的二进制：
0000，0000 ，1100，0100 ，0000，0000 ，1110，0011
因为每个字符都大于7位，因此用11位编码：
1100，0001，1000，0100，1100，0011，1010，0011
c1-- 84--　c3--　 a3
你会找到c1 84 c3 a3 。

但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：
样例代码在中文平台上编译，生成zhclass
样例代码在英文平台上编译，输出enclass
(1).　 zhclass在中文平台上执行ok,但是在英文平台上不行
(2). enclass在英文平台上执行ok,但是在中文平台上不行
原因：
(1). 在中文平台上编译后，其实str在运行态的char[]是0x4f60,　在中文平台上运行，filewriter的缺省编码是gb2312,因此 chartobyteconverter会自动用调用gb2312的converter,把str转化成byte输入到fileoutputstream中，于是0xc4,0xe3放进了文件。
但是假如是在英文平台下，chartobyteconverter的缺省值是8859_1, filewriter会自动调用8859_1去转化str,但是他无法解释，因此他会输出"?"
(2). 在英文平台上编译后，其实str在运行态的char[]是0x00c4 0x00e3, 在中文平台上运行，中文无法识别，因此会出现??；
在英文平台上，0x00c4-->0xc4,0x00e3->0xe3，因此0xc4,0xe3被放进了文件。

6. 其它原因： <%@ page contentType="text/Html; charset=GBK" %>
设置浏览器的显示编码，假如response的数据是utf8编码，显示将是乱码，但是乱码和上述原因还不一样。

7. 发生编码的地方 ：
 从数据库到java程序 byte——〉char
 从java程序到数据库 char——〉byte
 从文件到java程序 byte——〉char
 从java程序到文件 char——〉byte
 从java程序到页面显示 char——〉byte
 从页面form提交数据到java程序byte——〉char
 从流到java程序byte——〉char
 从java程序到流char——〉byte

谢志钢的解决方法：
我是使用配置过滤器的方法解决中文乱码的：

＜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")); // 设置字符集？ 
实际上是设置了byte ——〉char的encoding 
try { 
if (userId == null  userId.equals("")) { 
if (!request.getRequestURL().toString().matches( 
".*/uirs/logon/logon(Controller){0,1}//x2Ejsp$")) { 
session.invalidate(); 
response.sendRedirect(request.getContextPath() + 
"/uirs/logon/logon.jsp"); 
} 
} 
else { // 看看是否具有信息上报系统的权限 
if (!net.golden.uirs.util.UirsChecker.check(userId, "信息上报系统", 
net.golden.uirs.util.UirsChecker.ACTION_DO)) { 
if (!request.getRequestURL().toString().matches( 
".*/uirs/logon/logon(Controller){0,1}//x2Ejsp$")) { 
response.sendRedirect(request.getContextPath() + 
"/uirs/logon/logonController.jsp"); 
} 
} 
} 
} 
catch (Exception ex) { 
response.sendRedirect(request.getContextPath() + 
"/uirs/logon/logon.jsp"); 
} 
fChain.doFilter(req, res); 
}