中文乱码

1、设定一个文件（UTF-8.txt）为UTF-8编码，另一个文件（GBK.txt）为GBK编码。

UTF-8.txt 中的汉字 copy ( Ctrl+a, Ctrl+c ) 到 GBK.txt 中会乱码？

答案：不会！

如下错误操作会导致乱码：

a、UTF-8.txt 采用默认编码 ( GBK ) ，输入：“测试汉字UTF-8编码”

b、再重设字符编码为UTF-8，显示文字：“UTF-8”

c、再将文字补全：“测试汉字UTF-8编码”，再进行copy操作就会出现乱码。其实乱码在b操作就出现了，而不是因为这里的汉字！

通过 UltraEdit 查看字符 UTF-8 和 GBK 编码的二进制形式：

将UTF-8.txt 的内容 Ctrl+a, Ctrl+c 拷贝到GBK.txt ，通过二进制显示：

2、读取编码为UTF-8的文件（UTF-8.txt），写入采用系统默认编码（GBK）的文件，分析乱码产生的原因并消除。

public static void main(String[] args) {utf8ToGbk();utf8ToGbk_2();utf8ToGbk_3();}static void utf8ToGbk(){String text = read("UTF-8.txt");write("utf8ToGbk.txt", text);System.out.println(text);}//文件为 UTF-8 编码，而读取默认用 GBK 编码，所以要强制转换为 UTF-8static void utf8ToGbk_2(){String text = read("UTF-8.txt");try {text = new String(text.getBytes("GBK"),"UTF-8");} catch (UnsupportedEncodingException e) {System.err.println("Encodeing Error!");}write("utf8ToGbk_2.txt", text);System.out.println(text);}//直接指定读取文件采用 UTF-8 编码static void utf8ToGbk_3(){String text = read("UTF-8.txt", "UTF-8");write("utf8ToGbk_3.txt", text);System.out.println(text);}

utf8ToGbk.txt（在Eclipse中显示为乱码，采用Windows默认文本打开正常）

分析，编码转换过程如下：

UTF-8（文件内容） --> GBK（读取流） -->Unicode（Java内存，这里出错了） -->GBK（文件）

错误原因：UTF-8 的数据被错误的当成 GBK 的数据转换成 Unicode

utf8ToGbk_2.txt（正常）

分析，编码转换过程如下：

UTF-8（文件内容） --> GBK（读取流） --> UTF-8（强制转换） --> Unicode（Java内存） -->GBK（文件）

utf8ToGbk_3.txt（正常）

分析，编码转换过程如下：

UTF-8（文件内容） -->UTF-8（读取流） --> Unicode（Java内存） -->GBK（文件）

总结：要使其不产生乱码，只要满足在转换成Unicode前还原为原编码即可！形成了一个完美的圈！

其余代码：

//默认GBK编码public static String read(String fileName){StringBuilder sb = new StringBuilder();try {BufferedReader in = new BufferedReader(new FileReader(fileName));try {String  s;while((s = in.readLine())!=null){sb.append(s);sb.append("\n");}} finally{in.close();}} catch (IOException e) {e.printStackTrace();}return sb.toString();}//指定编码{charset}public static String read( String fileName, String charset ){StringBuilder sb = new StringBuilder();BufferedReader in = null;try {in = new BufferedReader( new InputStreamReader( new FileInputStream(fileName), charset));String s = null;while( (s = in.readLine()) != null ){sb.append(s);sb.append("\n");}} catch (UnsupportedEncodingException e) {e.printStackTrace();} catch (IOException e) {e.printStackTrace();}finally{if( in != null ){try {in.close();} catch (IOException e) {}}}return sb.toString();}//默认编码public static void write(String fileName, String text){try {PrintWriter out= new PrintWriter(fileName);try {out.print(text);}finally{out.close();}} catch (IOException e) {e.printStackTrace();}}

3、Web 中文乱码解决方案

3.1、以 POST 方法提交的表单数据中的中文字符

由于Web容器默认的编码方式是ISO-8859-1，在Servlet/JSP 程序中，通过请求对象的 getParameter( ) 方法得到的字符串是以 ISO-8859-1 转换而来，这是导致乱码产生的原因之一。

为了避免容器以 ISO-8859-1 的编码方式返回字符串，对于以POST 方法提交的表单数据：

在获取请求参数之前，调用 request.setCharacterEncoding( "GBK" )，指明请求正文使用的字符编码是GBK。

向浏览器发送中文数据之前，调用response.setContentType( "text/html;charset=GBK" )，指定输出内容的编码方式是GBK。

对 JSP 页面，如下：

<% request.setCharacterEncoding("GBK"); %><%@ page contentType="text/html; charset=GBK" %>

3.2、以 GET 方法提交的表单数据中的中文字符

当提交表单采用 GET 方法时，提交的数据作为查询字符串被附加到 URL 的末端，发送到服务器，此时在服务器端调用 setCharacterEncoding() 方法也就没有作用了。我们需要在得到请求参数的值后，自己做正确的编码转换。

String content = request.getParameter("content");content = new String(content.getBytes("ISO-8859-1"),"GBK");

编码转换流程：

GBK----------->ISO-8859-1-->Unicode------------------------------------>ISO-8859-1---->GBK---->Unicode

（浏览器）     （传输）         （getParameter()，Java内存中）     （getBytes("ISO-8859-1")）

由于 ISO-8859-1 ----> Unicode ----> ISO-8859-1 是一个对称过程，因而可以简化为：

GBK ----> ISO-8859-1 ----> GBK ----> Unicode

3.3、在数据库中存储和读取中文数据

只需将数据默认编码格式改为支持中文的编码即可（如，GBK，UTF-8）

3.4、Servlet/JSP 在不同语言系统的平台下运行

    有时候，我们在中文系统平台下开发的 Web 应用程序移植到英文系统平台下，在 Servlet 和 JSP 中直接书写的中文字符串在输出时，将显示为乱码。这是因为在编译Servlet类或者 JSP 文件时，如果没有使用 -encoding 参数指定 Java 源程序的编码格式，javac 会获取本地操作系统默认的字符集，以该字符集将 Java 源程序转换为 Unicode 编码保存到内存中，然后将源程序编译为字节码（UTF-8 编码），保存到硬盘上。 

    在英文平台下，采用的默认编码格式是 ISO-8859-1 ，所以在编译后，执行输出时，原先在源文件中书写的中文字符串就变成了乱码。

解决这个问题，在编译 Servlet 的源程序时，可以用 -encoding 参数指定为 GBK

javac  -encoding  GBK  HelloServlet.java

对 JSP 页面，只要在 page 指令中用 pageEncoding 属性指定编码格式为GBK，Web容器就可以正确转换和编译JSP文件了

<%@ page  pageEncoding="GBK"%>

有关浏览器编码的问题，浏览器是用什么编码（GBK? GB2312? UTF-8? ）来处理输入的字符？

浏览器会根据

<%@ page  pageEncoding="UTF-8"%>

或

<%@ page contentType="text/html; charset=UTF-8" %>

来编码输入的字符，如图（它会根据不同的设定自动调整）