常見字符集&亂碼問題

字符集

經常使用字符集分類

ASCII及其擴展字符集

做用：表語英語及西歐語言。

位數：ASCII是用7位表示的，能表示128個字符；其擴展使用8位表示，表示256個字符。

範圍：ASCII從00到7F，擴展從00到FF。

ISO-8859-1字符集

做用：擴展ASCII，表示西歐、希臘語等。

位數：8位， 範圍：從00到FF，兼容ASCII字符集。

GB2312字符集

做用：國家簡體中文字符集，兼容ASCII。

位數：使用2個字節表示，能表示7445個符號，包括6763個漢字，幾乎覆蓋全部高頻率漢字。

範圍：高字節從A1到F7, 低字節從A1到FE。將高字節和低字節分別加上0XA0便可獲得編碼。

GBK字符集

做用：它是GB2312的擴展，加入對繁體字的支持，兼容GB2312。

位數：使用2個字節表示，可表示21886個字符。

範圍：高字節從81到FE，低字節從40到FE。

UNICODE字符集

做用：爲世界650種語言進行統一編碼，兼容ISO-8859-1。

位數：UNICODE字符集有多個編碼方式，分別是UTF-8，UTF-16和UTF-32。

BIG5字符集

做用：統一繁體字編碼。

位數：使用2個字節表示，表示13053個漢字。

範圍：高字節從A1到F9，低字節從40到7E，A1到FE。

GB18030字符集

做用：它解決了中文、日文、朝鮮語等的編碼，兼容GBK。

位數：它採用變字節表示(1 ASCII，2，4字節)。可表示27484個文字。

範圍：1字節從00到7F; 2字節高字節從81到FE，低字節從40到7E和80到FE；4字節第一三字節從81到FE，第二四字節從30到39。

UCS字符集

做用：國際標準 ISO 10646 定義了通用字符集 (Universal Character Set)。它是與UNICODE同類的組織，UCS-2和UNICODE兼容。

位數：它有UCS-2和UCS-4兩種格式，分別是2字節和4字節。

範圍：目前，UCS-4只是在UCS-2前面加了0x0000。

按所表示的文字分類

語言	字符集	正式名稱
英語、西歐語ASCII	ISO-8859-1	MBCS 多字節
簡體中文	GB2312	MBCS 多字節
繁體中文	BIG5	MBCS 多字節
簡繁中文	GBK	MBCS 多字節
中文、日文及朝鮮語	GB18030	MBCS 多字節
各國語言	UNICODE，UCS	DBCS 寬字節

 

編碼間的轉換：

要求：要知道當前內容的編碼格式和要轉換爲的編碼格式：

示例：

String username = request.getParameter("username").trim(); 
String password = request.getParameter("password").trim();

獲取到的String類型變量：username和password的編碼格式爲：ISO-8859-1   

如何將他們轉換成UTF-8編碼，不要出現亂碼，代碼以下：

String parameter = request.getParameter("username"); 
//獲取到參數對應的二進制數 
byte[] temp = parameter.getBytes("iso-8859-1"); 
//經過對應的二進制數 手動編碼成utf-8的字符串 
String param = new String(temp, "utf-8");

 原理：

　　　　相同的內容在計算機中的二進制編碼是同樣的，因此在不一樣編碼間內容傳遞時，要想不出現亂碼，先將該內容按其原編碼轉換爲二進制序列。而後再將這個二進制序列按照要轉換的編碼進行翻譯，就不會出現亂碼。

 

出現的亂碼形式的含義：

??????    --->    表明字符編碼不匹配形成

师龙       --->    表明沒有該編碼方式