java中的编码

 

  有关java的编码一直都不熟悉，都是在糊里糊涂的用。最近有时间，上网收集了一些相关的资料，稍作整理，有几点收获，愿与大家分享。

  1. java环境相关的编码。

     Java的字符串是unicode编码的。这个是理解java编码的基础，一定要记住！

     此外，Java的class文件采用utf-8的编码方式，JVM运行时采用utf-16。

 

  2. 经常出现的几种编码方式介绍。

   1)  ISO8859-1。它是属于单字节编码，字符范围是0-255，应用于英文系列。当然，它是没法表示中文了。虽然这个编码表示的范围很弱，但是它的作用可不小。很多协议默认都采用该编码，它也是Java网络传输使用的标准字符集，关于这一点，后面会讲到。

  2)  GB2312/GBK。gb2312属于双字节编码，它是专门的中文编码方式（兼容iso8859-1），准确的说是简体中文编码。gbk是对gb2312的扩充，它可以表示繁体中文和简体中文。还有一种GB18030，它也是gb2312的扩充，收录了我国少数民族的文字。

3)  Unicode。它是统一的编码，可以用来表示所有语言的字符，而且是定长双字节（也有四字节的）编码，包括英文字母在内。它不兼容任何编码。其实相对于iso8859-1编码来说，unicode编码只是在前面增加了一个0字节，比如字母a为"00 61"。

4)  UTF。utf编码兼容iso8859-1编码，同时也可以用来表示所有语言的字符，不过，utf编码是不定长编码，每一个字符的长度从1-6个字节不等。一般来讲，英文字母都是用一个字节表示，而汉字使用三个字节。这样比unicode省空间。

关于编码的更多详细情况，请Google吧，它能告诉你一切想要的！

对字符串“中文”进行编码，测试代码如下：

         public static String encode(String str, String charset) {

                   if (StringUtil.isNil(str))

                            return "";

 

                   String s = str;

 

                   try {

                            s = URLEncoder.encode(str, charset);

                   } catch (UnsupportedEncodingException e) {

                            System.out.println("编码方式有误："+e.getMessage());

                   }

                   return s;

       }

 

         public static void main(String[] args) {

                   String s1 = "中文";

 

                   String iso = encode(s1, "iso-8859-1");  //不支持中文，所以编码后为3f3f（??）

                   String gb = encode(s1, "gb2312");

                   String unicode = encode(s1, "unicode");

                   String utf8 = encode(s1, "utf-8");;

                  

                   System.out.println("ISO8859-1编码: "+ iso);

                   System.out.println("gb2312编码: "+ gb);

                   System.out.println("utf-8编码：: "+ utf8);

                   System.out.println("unicode编码："+ unicode);

         }

程序执行结果如下：

ISO8859-1编码: %3F%3F
gb2312编码: %D6%D0%CE%C4
utf-8编码：: %E4%B8%AD%E6%96%87
unicode编码：%FE%FF%4E%2D%65%87

 

 

3.java虚拟机的默认编码方式

System.out.println(Charset.defaultCharset());

默认 charset 在虚拟机启动时决定，通常根据语言环境和基础操作系统的 charset 来确定。在我的机器下打印出的结果：

GBK

 

 

4. 需要注意java编码的时候

 1）读取外部文件时。

   简单讲，一句话，采用什么编码方式编写的文件就用什么方式读取。不然就可能是乱码

新建一个记事本，写入部分数据，直接保存为code.txt（3中所示，我的机器上默认的就是gbk编码）。之后将该文件另存为utf-8格式的文件。

String filestr = "";

                   try {

                            InputStream is = new FileInputStream("F:/code2.txt");

                            InputStreamReader reader = new InputStreamReader(is,"utf-8"); 

                             int tempchar;

                  while ((tempchar = reader.read()) != -1) {

                      if (((char) tempchar) != '/r') {

                          //System.out.print((char) tempchar);

                          filestr += Character.toString(((char) tempchar));

                      }

                  }

                  reader.close();

                   } catch (FileNotFoundException e) {

                            System.out.println("找不到指定文件！");

                   }catch (UnsupportedEncodingException e) {

                            e.printStackTrace();

                   }catch (IOException e) {

                            e.printStackTrace();

                   }  

                   System.out.println("文件的内容：");

                   System.out.println(filestr);

测试结果：

文件的内容：
编码测试
中文

 

  上面的代码中，将code2.txt换为code.txt，同时去掉InputStreamReader中的“utf-8”参数，也可以正常输出。因为InputStreamReader采用的编码方式是JVM的默认字符集，在我的机器上也就是gbk了。试着直接去掉上面代码中的InputStreamReader中的“utf-8”，那么你将很荣幸的见到：

文件的内容：
缂栫爜娴嬭瘯
涓枃

 

2） 网页表单提交的时候

   其实这个可以用其他的方式避免编码问题，参考http://www.examda.com/Java/jichu/20080409/105519579.html。

我在这讲一种经常用到的“编码转换”方式：

byte[] b = strIn.getBytes("ISO-8859-1");

          strOut = new String(b, "GB2312");

前面提到ISO-8859-1的作用，这里可以讲一下了。

首先讲一下这段代码的意思，强调一点，这段代码并不是真的将一种编码方式转化为另外一种。事实是这样的：我们本应该用GB2312的编码来读取数据并解码成字符串，但结果却采用了ISO-8859-1的编码，导致生成一个错误的字符串。现在要恢复，就要先把字符串恢复成原始字节数组，然后通过正确的编码GB2312再次解码成字符串（即把以GB2312编码的数据转成unicode的字符串）。再次强调，java中字符串永远都是unicode编码的！。

现在可以说一下这段代码为什么出现了。iso-8859-1是JAVA网络传输使用的标准 字符集,而gb2312是标准中文字符集,当你提交中文表单，即有了网络传输操作,，浏览器会用gb2312格式来解释iso-8859-1字符集，由于两者不兼容,所以会出现乱码。这段代码就是解决乱码的一个方法。

 

就这么多了。