关于java中文乱码问题一些解决方案和经验

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
publicstaticByteToCharConvertergetDefault();
publicstaticByteToCharConvertergetConverter(Stringencoding);
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
Stringencoding="gb2312";
byteb[]={(byte)'u00c4',(byte)'u00e3'};
ByteToCharConverterconverter=ByteToCharConverter.getConverter(encoding);
charc[]=converter.convertAll(b);
for(inti=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
byteb[]={(byte)'u00c4',(byte)'u00e3'};
ByteToCharConverterconverter=ByteToCharConverter.getDefault();
charc[]=converter.convertAll(b);
for(inti=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：
Stringencoding="gb2312";
charc[]={'u4f60'};
CharToByteConverterconverter=CharToByteConverter.getConverter(encoding);
byteb[]=converter.convertAll(c);
for(inti=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
Stringencoding="gb2312";
charc[]={'u4f60'};
CharToByteConverterconverter=CharToByteConverter.getDefault();
byteb[]=converter.convertAll(c);
for(inti=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:110_____10______
16位的unicode:1110____10______10______
21位的unicode:11110___10______10______10______
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。
共3页: 上一页 1 [2] [3] 下一页

评论加载中…