Java中文编码转换分析

             Java中文编码转换分析

通常，我们遇到中文问题的来源一般都是，在jsp等显示到页面时，出现问题。

若想知道为什么出现乱码，就要从了解jsp --- > servlet --- > class 开始

其实，问题主要在 servlet  --- > class 上，也就是  javac <*.java> 文件时出现了问题，

也许你要问为什么？这就是我下面要和大家讨论的。

首先，大家要清楚java的内核是unicode的，就连class文件也是，然后，日常应用中很多都是使用字节流的，包括文件流的保存方式。因此java要对此进行转换。

char  ----------   unicode   

byte  ----------   字节

java中的byte / char 互转的函数在sun.io的包中。

public static bytetocharconverter getdefault() ;
　　public static bytetocharconverter getconverter(string encoding);

如果你向converter指定encoding ，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 。

 

下面，是我在中文xp系统下的一段代码：

 

import java.io.FileWriter;

import java.io.IOException;

public class testEncoding {

   

    public void test(){

           String str = "你";

           try{

           FileWriter write=new FileWriter("test.txt");

           write.write(str);

           write.close();

           }catch(IOException e){

               System.out.println("has not found test.txt file !");      

           }    

    }    

   

    public static void main(String[] args){

           testEncoding instance = new testEncoding();

           instance.test();

    }    

}    

 

//javac -encoding gbk/iso8859-1/utf-8  [常用的编码方式]

//测试结果，默认不用-encoding编译 和  选用 -encoding gbk 都是正常显示 “你”；

//如果用 -encoding utf-8/ios8859-1 则显示乱码 “??”

 

分析：String和byte[]

  String其实核心是char[]，然而要把byte转化成String(或者String --- > byte)，必须经过编码。 string.length()其实就是char数组的长度，如果使用不同的编码，很可能会错分，造成散字和乱码。就好像上面例子中，错用javac –encoding ios8859-1 testEncoding.java 后，运行后文件中显示 “??” 一样。

 

分析：reader，writer / inputstream，outputstream

  reader和writer核心是char，inputstream和outputstream核心是byte。但是reader和writer的主要目的是要把char读/写inputstream/outputstream 。这里用不同的编码格式会对结果造成不一样的影响。

 

分析：javac –encoding 参数

  我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。
　 如果没有指定encoding，则按照系统的默认encoding，gb平台上是gb2312，英文平台上是iso8859_1。　
　--java的编译器实际上是调用sun.tools.javac.main的类，对文件进行编译，这个类的compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。 编译器就是根据这个变量来读取java文件的，然后按照设定的encoding格式编译成class文件。

 

总结：

如果我们只是自己写一个或2个文件，那编码格式无所谓，怎么解决都可以，但是，对于开发人员，我们面对的通常都是一个庞大的系统，快平台也是很正常的，所以在编码格式上很难全局控制，一个企业化的解决方案就是，在系统中，无论html，jsp，java，只要是中文，都不要直接输入，采用资源串的方式来编写。这样才能形成真正的产品。

中文/英文资源串  可以利用  java.util. Properties;  来处理  。

如果你的系统支持struts, 也可以利用  org.apache.struts.util.MessageResources来处理 。

利用资源串处理中英文字符问题还有另外4个好处：

[1]、很多地方的资源串都是可以重复使用的(当然，为了模块独立，不同模块就算同样的字符也建议在不同的资源串文件写)

[2]、当很多地方的同意个字符串需要修改时，只要改写一个地方就ok了

[3]、如果要求系统支持中英文转换，那么，只要在显示资源串时根据local判断就可以了

[4]、在编码转换上，有很好的平台移植性，不用每次都考虑服务器上的编码方式，本地的编码方式，然后再写n个转换库。性能是也会有一定的影响。

 

另外大家需要注意我们常用的应用服务器tomcat的默认编码格式：iso8859-1

定义位置：tomcat下的web.xml 第一行：

<?xml version="1.0" encoding="ISO-8859-1"?>

 

通常系统开发后，很多应用服务器都需要打包发布，首推工具当然是ant了(好东西啊！)。

在用ant编译系统时，设定编码方式：

<!-- ================================================================ -->

 <!--Compiles the java source code in  the local                                      -->

<!--================================================================ -->

<target name="compile.java" depends="prepare">

        <javac encoding="${encoding}" destdir="${build.dir}/WEB-INF/classes" debug="on" deprecation="off" optimize="off"

            srcdir="${webapp.path}/WEB-INF/classes" classpathref="run.classpath">

            <include name="com/**/*.java"/>

        </javac>

 

        <copy todir="${build.dir}/WEB-INF/classes/com/neusoft/ehr/replets/standard">

            <fileset dir="${src.dir}/WEB-INF/classes/com/neusoft/ehr/replets/standard" includes="**/*.srt"/>

        </copy>

</target>

 

 

在我现在工作的系统中，jsp全部通过

<%@page contentType="text/html;charset=UTF-8"%>   指定编码方式

 

从上到下，我们整个系统无论在页面，编译，都采用相同的编码格式(UTF-8)

当然你也可以根据自己的需要设定自己的格式，但一定要统一(否则，有很多问题会找你的)。

选择UTF-8原因：大部分浏览器ie其高级设置中始终以utf-8发送url的选项缺省是选上的。

 

以我们的系统举例，我们用Eclipse来开发系统平台，开发时，通常为了修改bug，都要在本地直接用本地源代码进行系统发布，如果此时在java中直接写中文，在中文系统是没问题，但如果用设定了utf-8的ant编译后，就会出现中文，因为Eclipse默认的编码方式是GBK，就像我在第一个例子中说的那样

javac -encoding gbk/utf-8  显示出了不同。

 

不用资源串的项目事例：

在此，也多提一下，曾经在上海财大，我们公司其他部门的兄弟们作了个系统，也是很大的系统，但是整个系统都没有采用资源串，直接用中文，他们采取的方法大概是：

1、  获得服务端的编码方式

2、  获得客户端的编码方式

3、  写n个转换库，对编码格式进行转换

4、  (很多服务器，例如 HPUnix，经常需要设定服务器的环境变量，以处理编码)

优点：写的时候很方便，改的时候也可以

缺点：跨平台性差，不能全局替换