中文本体持久化到Mysql数据库的乱码问题

相信这应当不是个复杂的问题，但是困扰了我整整一个下午的时间，目前尚没有解决。

毕设第一阶段的工作大概可以说是完成了，进行了一些简单的测试，目前比较明显的问题是中文的支持。先写下程序中数据的流动过程，然后再细想到底是哪个环节出了问题：

• 首先考虑的是Protege，我用它来创建本体，在斯坦福的ProtegeFAQ看到Protege为了便于共享，因此默认支持的UTF-8的编码方式，而非根据系统而转变。因此，这点无问题。同时，我也曾怀疑Protege在写本体文件时候采用的是系统默认编码方式而非UTF-8，但对生成的文件做了分析，确认是UTF-8无疑，到此，没有任何问题，觉得到此是可以PASS的。
• 第二步，将本体文件读入内存，这里已经确定有一个问题，读取后的本体文件，中文显示乱码，我想大概的原因如下：在简体中文的WindowsXP状态下，Java的FileInputStream采用的GB2312方式编码，而我在这里调用的是Jena提供的API，OntModel.read(String url)，这个url当然可以是一个file的，比如”file:sns.owl”。而Jena在提供的read方法在封装FileInputStream时候显然并不会去声明UTF-8编码方式，因此，这里可以采用的解决方式如下：

   

  FileInputStream file = new FileInputStream(”test.owl”);
  InputStreamReader in = new InputStreamReader(file, “UTF-8″);
  Model model = ModelFactory.createDefaultModel();
  model.read(in, null);
  in.close();

  显式的声明采用UTF-8编码读应该就可以了。这个问题不是重点。

• 第三，将获得的本体文件加入一些实例然后一起存入数据库，其中实例中有些地方中出现了中文。这里有三个地方可能会出现问题，首先是java代码的编辑器，eclipse在简体中文WindowsXP下采用了非UTF-8编码方式，这个目前已经fix了，第二个地方是jdbc将数据写入数据库的时候，由于程序中采用的是Jena提供的DBConnection类封装了jdbc操作，这个地方目前没有测试，准备放弃掉这个封装做个测试。第三个地方就是数据库的编码了，我这里已经采用的mysql，已经将相关的数据库和表都设成UTF-8了，目前看来，可能出问题的似乎只有jdbc这块了。
• 最后，要说的是，如果是在linux下开发的话，这一切是不是都没有问题了？

昨天的困扰我的问题，今天上午基本上算是解决了。要在简体中文windows xp中没有后顾之忧的处理中文本体基本上要做以下几个步骤：

1. 建立本体的时候请采用UTF-8编码，假使是用protege生成的，较新的版本应当是没有问题，老版本的话默认编码可能不是UTF-8（而是根据操作系统设置），请务必确认下。
2. 应当以UTF-8编码方式来编写Jave Code。无论是eclipse，还是普通的文本编辑器，都可以轻松的解决这个问题的。
3. 存本体的数据库字符集应当是UTF-8。具体方法可以查询相关文档，不废话了。
4. 最后，用jdbc连数据库（mysql）的时候 ，在DB_URL后需要加上”useUnicode=yes&characterEncoding=utf8″，否则，中文编码可能会无法识别，而以?的形式存入数据库。

转自：http://hi.baidu.com/ecgql/blog/item/534dc25459e7b75dd0090678.html