这篇文章主要为大家展示了“如何解决Java中文问题”,内容简而易懂,条理清晰,希望能够帮助大家解决疑惑,下面让小编带领大家一起研究并学习一下“如何解决Java中文问题”这篇文章吧。
成都创新互联公司-专业网站定制、快速模板网站建设、高性价比长寿网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式长寿网站制作公司更省心,省钱,快速模板网站建设找我们,业务覆盖长寿地区。费用合理售后完善,10年实体公司更值得信赖。
我来说一下tomcat如何实现JSP的你就明白了。
预备知识:
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
public static ByteToCharConverter getDefault() ;
public static ByteToCharConverter getConverter(String encoding);
如果你不指定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
我们来就一个简单的例子:
"你"的gb码是:0xC4E3 ,unicode是0x4F60
你用:
--encoding="gb2312";
--byte b[]={(byte)u00c4,(byte)u00E3};
--convertor=ByteToCharConverter.getConverter(encoding);
--char [] c=converter.convertAll(b);
--for(int i=0;i --{ -- System.out.println(Integer.toHexString(c[i])); --} --打印出来是0x4F60 --但是如果使用8859_1的编码,打印出来是 --0x00C4,0x00E3 ----例1 反过来: --encoding="gb2312"; char c[]={u4F60}; convertor=ByteToCharConverter.getConverter(encoding); --byte [] b=converter.convertAll(c); --for(int i=0;i --{ -- System.out.println(Integer.toHexString(b[i])); --} --打印出来是:0xC4,0xE3 ----例2 --如果用8859_1就是0x3F,?号,表示无法转化 -- 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: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _ --16位的Unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ --21位的Unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ --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 --我们还是用上面的例子 -- --例1:0xC4E3的二进制: -- -- 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1 -- -- 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"?" -- -- -- --例2:0x4F60的二进制: -- -- 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0 -- -- 我们用UTF-8补齐,变成: -- -- 11100100 10111101 10100000 -- -- 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,如果使用不同的编码,很可 --能会错分,造成散字和乱码。 --例: ----byte [] b={(byte)u00c4,(byte)u00e3}; ----String str=new String(b,encoding); ---- ----如果encoding=8859_1,会有两个字,但是encoding=gb2312只有一个字 ---- --这个问题在处理分页是经常发生 4.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 --一个reader的例子: --文件test.txt只有一个"你"字,0xC4,0xE3-- --String encoding=; --InputStreamReader reader=new InputStreamReader( ----new FileInputStream("text.txt"),encoding); --char []c=new char[10]; --int length=reader.read(c); --for(int i=0;i ----System.out.println(c[i]); --如果encoding是gb2312,则只有一个字符,如果encoding=8859_1,则有两个字符 -------- -- -- ---- 2.我们要对Java的编译器有所了解: --javac -encoding 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 -- 有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,然后把用UTF-8形式编译成class文件。 一个例子: --public void test() --{ ----String str="你"; ----FileWriter write=new FileWriter("test.txt"); ----write.write(str); ----write.close(); --} ----例3 --如果用gb2312编译,你会找到E4 BD A0的字段 -- --如果用8859_1编译, --00C4 00E3的二进制: --00000000 11000100 00000000 11100011-- --因为每个字符都大于7位,因此用11位编码: --11000001 10000100 11000011 10100011 --C1-- 84-- C3-- A3 --你会找到C1 84 C3 A3 -- 但是我们往往忽略掉这个参数,因此这样往往会有跨平台的问题: -- 例3在中文平台上编译,生成ZhClass -- 例3在英文平台上编译,输出EnClass --1. ZhClass在中文平台上执行OK,但是在英文平台上不行 --2. EnClass在英文平台上执行OK,但是在中文平台上不行 原因: --1.在中文平台上编译后,其实str在运行态的char[]是0x4F60, ---- --在中文平台上运行,FileWriter的缺省编码是gb2312,因此 --CharToByteConverter会自动用调用gb2312的converter,把str转化 以上是“如何解决Java中文问题”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注创新互联行业资讯频道!
分享名称:如何解决Java中文问题
链接地址:http://bjjierui.cn/article/gidsde.html