web開發中的JAVA字符轉碼

2、基本概念
2.1 JAVA中字符的表達
JAVA中有char、byte、String這幾個概念。

        char 指的是一個UNICODE字符，爲16位的整數。java抓取網頁保存的亂碼問題解決

        byte 是字節，字符串在網絡傳輸或存儲前須要轉換爲byte數組。在從網絡接收或從存儲設備讀取後須要將byte數組轉換成String。

    String是字符串，能夠當作是由char組成的數組。

String 和 char 爲內存形式，byte是網絡傳輸或存儲的序列化形式。

舉例：
英
String ying = 「英」;
char ying = ying.charAt(0);         //返回第0位的字符
String yingHex = Integer.toHexString(ying);      //字符和整數同是16位
82 F1
 byte yingGBBytes = ying.getBytes(「GBK」);      //轉換成字節
GB編碼的字節數值
D3 A2

 2.2 編碼方式的簡介
String序列化成byte數組或反序列化時須要選擇正確的編碼方式。若是編碼方式不正確，就會獲得一些0x3F的值。經常使用的字符編碼方式有ISO8859_一、GB23十二、GBK、UTF-8/UTF-16/UTF-32。
ISO8859_1用來編碼拉丁文，它由單字節（0－255）組成。
GB23十二、GBK用來編碼簡體中文，它有單字節和雙字節混合組成。最高位爲1的字節和下一個字節構成一個漢字，最高位爲0的字節是ASCII碼。
UTF-8/UTF-16/UTF-32是國際標準UNICODE的編碼方式。 用得最多的是UTF-8，主要是由於它在對拉丁文編碼時節約空間。

UNICODE值 UTF-8編碼
U-00000000 - U-0000007F: 0xxxxxxx
U-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

 3、J2SE中相關的函數
String str =」英」;
//取得GB2312編碼的字節
byte[] bytesGB2312 = str.getBytes(「GB2312」);

 //取得平臺缺省編碼的字節(solaris爲ISO8859_1,windows爲GB2312)
byte[] bytesDefault = str.getBytes();

//用指定的編碼將字節轉換成字符串
String newStrGB = new String(bytesGB2312, 「GB2312」);

//用平臺缺省的編碼將字節轉換成字符串(solaris爲ISO8859_1,windows爲GB2312)
String newStrDefault = new String(bytesDefault);

//用指定的編碼從字節流裏面讀取字符
InputStream in = xxx;
InputStreamReader reader = InputStreamReader( in, 「GB2312」);
char aChar = reader.read();

4、JSP、數據庫的編碼
4.1 JSP中的編碼
(1) 靜態聲明:
CHARSET有兩個做用：
JSP文件的編碼方式：在讀取JSP文件、生成JAVA類時，源JSP文件中漢字的編碼
JSP輸出流的編碼方式：在執行JSP時，往response流裏面寫入數據的編碼方式
(2) 動態改變:在往response流裏面寫數據前能夠調用response.setContentType()，設定正確的編碼類型。
(3) 在TOMCAT中，由Request.getParameter() 獲得的參數，編碼方式都是ISO8859_1。因此若是在瀏覽器輸入框內輸入一個漢字「英」，在服務器端就獲得一個ISO8859_1編碼的 （0x00,0xD3,0x00,0xA2）。因此一般在接收參數時轉碼：
String wrongStr = response.getParameter(「name」);
String correctStr = new String(wrongStr.getBytes(「ISO8859_1」),」GB2312」);
在最新的SERVLET規範裏面，也能夠在獲取參數以前執行以下代碼：
request.setCharacterEncoding(「GB2312」);

4.2 數據庫的編碼
(1) 數據庫使用UTF-16
若是String中是UNICODE字符，寫入讀出時不須要轉碼
(2) 數據庫使用ISO8859_1
若是String中是UNICODE字符，寫入讀出時須要轉碼
寫入：String newStr = new String(oldStr.getByte(「GB2312」), 「ISO8859_1」);
讀出：String newStr = new String(oldStr.getByte(「ISO8859_1」),」GB2312」);

5、源文件的編碼
5.1 資源文件
資源文件的編碼方式和編輯平臺相關。在WINDOWS平臺下編寫的資源文件，以GB2312方式編碼。在編譯時須要轉碼，以確保在各個平臺上的正確性：
native2ascii ?encoding GB2312 source.properties
這樣從資源文件中讀出的就是正確的UNICODE字符串。
5.2 源文件
源文件的編碼方式和編輯平臺相關。在WINDOWS平臺下開發的源文件，以GB2312方式編碼。在編譯的時候，須要指定源文件的編碼方式：
javac ?encoding GB2312
JAVA編譯後生成的字節文件的編碼爲UTF-8。

①最新版TOMCAT4.1.18支持request.setCharacterEncoding(String enc)
②資源文件轉碼成company.name=u82f1u65afu514b
③若是數據庫使用utf-16則不須要這部分轉碼
④頁面上應有
轉碼?:
String s = new String (request.getParameter(「name」).getBytes(「ISO8859_1」),」GB2312」);
轉碼?:
String s = new String(name.getBytes(「GB2312」),」ISO8859_1」);
轉碼?:
String s = new String(name.getBytes(「ISO8859_1」),」 GB2312」);

由於url默認編碼是容器的編碼，tomcat默認是iso-8859-1.因此，request.gerParameter()得到的值必須轉碼，除非設置tomcat的默認url編碼。

其實tomcat的默認url編碼是能夠設置的，具體怎麼設置這裏就不說了

若是想正確顯示和傳遞中文，就必須轉換成GBK字符，或者GB2312
而一個字符在網頁間傳遞要通過編/解碼的問題

 tomcat獲取從網絡傳送的字符username.getBytes("ISO8859_1")
再將獲取的字符編碼爲"GBK"字符串,轉換後把值賦回給username

username=new String(username.getBytes("ISO8859_1"),"GBK");