java字符编码方式总结
一、概要
在JAVA应用程序特别是基于WEB的程序中，经常遇到字符的编码问题。为了防止出现乱码，首先需要了解JAVA是如何处理字符的，这样就可以有目的地在输入/输出环节中增加必要的转码。其次，由于各种服务器有不同的处理方式，还需要多做试验，确保使用中不出现乱码。二、基本概念2．1 JAVA中字符的表达 JAVA中有char、byte、String这几个概念。char 指的是一个UNICODE字符，为16位的整数。byte 是字节，字符串在网络传输或存储前需要转换为byte数组。在从网络接收或从存储设备读取后需要将byte数组转换成String。String是字符串，可以看成是由char组成的数组。String 和 char 为内存形式，byte是网络传输或存储的序列化形式。举例：英String ying = “英”;char ying = ying.charAt(0);String yingHex = Integer.toHexString(ying);82 F1 byte yingGBBytes = ying.getBytes(“GBK”);GB编码的字节数值D3 A2 2．2 编码方式的简介 String序列化成byte数组或反序列化时需要选择正确的编码方式。如果编码方式不正确，就会得到一些0x3F的值。常用的字符编码方式有ISO8859_1、GB2312、GBK、UTF-8/UTF-16/UTF-32。ISO8859_1用来编码拉丁文，它由单字节（0－255）组成。 GB2312、GBK用来编码简体中文，它有单字节和双字节混合组成。最高位为1的字节和下一个字节构成一个汉字，最高位为0的字节是ASCII码。 UTF-8/UTF-16/UTF-32是国际标准UNICODE的编码方式。 用得最多的是UTF-8，主要是因为它在对拉丁文编码时节约空间。UNICODE值 UTF-8编码U-00000000 - U-0000007F: 0xxxxxxxU-00000080 - U-000007FF: 110xxxxx 10xxxxxx U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 三、J2SE中相关的函数String str =”英”;//取得GB2312编码的字节byte[] bytesGB2312 = str.getBytes(“GB2312”); //取得平台缺省编码的字节(solaris为ISO8859_1,windows为GB2312)byte[] bytesDefault = str.getBytes();//用指定的编码将字节转换成字符串String newStrGB = new String(bytesGB2312, “GB2312”);//用平台缺省的编码将字节转换成字符串(solaris为ISO8859_1,windows为GB2312)
String newStrDefault = new String(bytesDefault);//用指定的编码从字节流里面读取字符InputStream in = xxx;InputStreamReader reader = InputStreamReader( in, “GB2312”);char aChar = reader.read();四、JSP、数据库的编码4．1 JSP中的编码(1) 静态声明:CHARSET有两个作用：JSP文件的编码方式：在读取JSP文件、生成JAVA类时，源JSP文件中汉字的编码JSP输出流的编码方式：在执行JSP时，往response流里面写入数据的编码方式(2) 动态改变:在往response流里面写数据前可以调用response.setContentType()，设定正确的编码类型。(3) 在TOMCAT中，由Request.getParameter() 得到的参数，编码方式都是ISO8859_1。所以如果在浏览器输入框内输入一个汉字“英”，在服务器端就得到一个ISO8859_1编码的（0x00,0xD3,0x00,0xA2）。所以通常在接收参数时转码：String wrongStr = response.getParameter(“name”);String correctStr = new String(wrongStr.getBytes(“ISO8859_1”),”GB2312”);在最新的SERVLET规范里面，也可以在获取参数之前执行如下代码：request.setCharacterEncoding(“GB2312”);4．2 数据库的编码(1) 数据库使用UTF-16如果String中是UNICODE字符，写入读出时不需要转码(2) 数据库使用ISO8859_1如果String中是UNICODE字符，写入读出时需要转码写入：String newStr = new String(oldStr.getByte(“GB2312”), “ISO8859_1”);读出：String newStr = new String(oldStr.getByte(“ISO8859_1”),”GB2312”);五、源文件的编码5．1 资源文件资源文件的编码方式和编辑平台相关。在WINDOWS平台下编写的资源文件，以GB2312方式编码。在编译时需要转码，以确保在各个平台上的正确性：native2ascii –encoding GB2312 source.properties这样从资源文件中读出的就是正确的UNICODE字符串。5．2 源文件源文件的编码方式和编辑平台相关。在WINDOWS平台下开发的源文件，以GB2312方式编码。在编译的时候，需要指定源文件的编码方式：javac –encoding GB2312JAVA编译后生成的字节文件的编码为UTF-8。 ①最新版TOMCAT4.1.18支持request.setCharacterEncoding(String enc)②资源文件转码成company.name=\u82f1\u65af\u514b③如果数据库使用utf-16则不需要这部分转码④页面上应有转码ⅰ:String s = new String(request.getParameter(“name”).getBytes(“ISO8859_1”),”GB2312”);转码ⅱ:String s = new String(name.getBytes(“GB2312”),”ISO8859_1”);转码ⅲ:String s = new String(name.getBytes(“ISO8859_1”),” GB2312”);一、关键技术点：1、当前流行的字符编码格式有：US-ASCII、ISO-8859-1、UTF-8、UTF-16BE、UTF-16LE、UTF-16、GBK、GB2312等，其中GBK、GB2312是专门处理中文编码的。2、String的getBytes方法用于按指定编码获取字符串的字节数组，参数指定了解码格式，如果没有指定解码格式，则按系统默认编码格式。3、String的“String(bytes[] bs, String charset)”构造方法用于把字节数组按指定的格式组合成一个字符串对象 二、实例演示： package book.String;import java.io.UnsupportedEncodingException;/** *//*** 转换字符串的编码* @author joe**/public class ChangeCharset ...{ /** *//** 7位ASCII字符，也叫作ISO646-US、Unicode字符集的基本拉丁块 */public static final String US_ASCII = "US-ASCII";/** *//** ISO拉丁字母表 No.1，也叫做ISO-LATIN-1 */public static final String ISO_8859_1 = "ISO-8859-1";/** *//** 8 位 UCS 转换格式 */public static final String UTF_8 = "UTF-8";/** *//** 16 位 UCS 转换格式，Big Endian(最低地址存放高位字节）字节顺序 */public static final String UTF_16BE = "UTF-16BE";/** *//** 16 位 UCS 转换格式，Litter Endian（最高地址存放地位字节）字节顺序 */public static final String UTF_16LE = "UTF-16LE";/** *//** 16 位 UCS 转换格式，字节顺序由可选的字节顺序标记来标识 */public static final String UTF_16 = "UTF-16";/** *//** 中文超大字符集 **/public static final String GBK = "GBK";public static final String GB2312 = "GB2312";
/** *//** 将字符编码转换成US-ASCII码 */
public String toASCII(String str) throws UnsupportedEncodingException ...{ return this.changeCharset(str, US_ASCII);}/** *//** 将字符编码转换成ISO-8859-1 */
public String toISO_8859_1(String str) throws UnsupportedEncodingException ...{ return this.changeCharset(str, ISO_8859_1);}/** *//** 将字符编码转换成UTF-8 */
public String toUTF_8(String str) throws UnsupportedEncodingException ...{ return this.changeCharset(str, UTF_8);}/** *//** 将字符编码转换成UTF-16BE */
public String toUTF_16BE(String str) throws UnsupportedEncodingException...{ return this.changeCharset(str, UTF_16BE);}/** *//** 将字符编码转换成UTF-16LE */
public String toUTF_16LE(String str) throws UnsupportedEncodingException ...{ return this.changeCharset(str, UTF_16LE);}/** *//** 将字符编码转换成UTF-16 */
public String toUTF_16(String str) throws UnsupportedEncodingException ...{ return this.changeCharset(str, UTF_16);}/** *//** 将字符编码转换成GBK */
public String toGBK(String str) throws UnsupportedEncodingException ...{ return this.changeCharset(str, GBK);}/** *//** 将字符编码转换成GB2312 */
public String toGB2312(String str) throws UnsupportedEncodingException ...{ return this.changeCharset(str,GB2312);}/** *//**
* 字符串编码转换的实现方法 * @param str 待转换的字符串 * @param newCharset 目标编码 */public String changeCharset(String str, String newCharset) throws UnsupportedEncodingException ...{ if(str != null) ...{ //用默认字符编码解码字符串。与系统相关，中文windows默认为GB2312 byte[] bs = str.getBytes(); return new String(bs, newCharset); //用新的字符编码生成字符串 } return null;}/** *//**
* 字符串编码转换的实现方法 * @param str 待转换的字符串 * @param oldCharset 源字符集 * @param newCharset 目标字符集 */public String changeCharset(String str, String oldCharset, String newCharset) throws UnsupportedEncodingException ...{ if(str != null) ...{ //用源字符编码解码字符串 byte[] bs = str.getBytes(oldCharset); return new String(bs, newCharset); } return null;}public static void main(String[] args) throws UnsupportedEncodingException ...{
ChangeCharset test = new ChangeCharset(); String str = "This is a 中文的 String!"; System.out.println("str：" + str); String gbk = test.toGBK(str); System.out.println("转换成GBK码：" + gbk); System.out.println(); String ascii = test.toASCII(str); System.out.println("转换成US-ASCII：" + ascii); System.out.println(); String iso88591 = test.toISO_8859_1(str); System.out.println("转换成ISO-8859-1码：" + iso88591); System.out.println(); gbk = test.changeCharset(iso88591, ISO_8859_1, GBK); System.out.println("再把ISO-8859-1码的字符串转换成GBK码：" + gbk); System.out.println(); String utf8 = test.toUTF_8(str); System.out.println(); System.out.println("转换成UTF-8码：" + utf8); String utf16be = test.toUTF_16BE(str); System.out.println("转换成UTF-16BE码：" + utf16be); gbk = test.changeCharset(utf16be, UTF_16BE, GBK); System.out.println("再把UTF-16BE编码的字符转换成GBK码：" + gbk); System.out.println(); String utf16le = test.toUTF_16LE(str); System.out.println("转换成UTF-16LE码：" + utf16le); gbk = test.changeCharset(utf16le, UTF_16LE, GBK); System.out.println("再把UTF-16LE编码的字符串转换成GBK码：" + gbk); System.out.println(); String utf16 = test.toUTF_16(str); System.out.println("转换成UTF-16码：" + utf16); String gb2312 = test.changeCharset(utf16, UTF_16, GB2312); System.out.println("再把UTF-16编码的字符串转换成GB2312码：" + gb2312);}} 文章出处：http://www.diybl.com/course/3_program/java/javaxl/20071126/87571.html