主頁 > 知識庫 > java/jsp中中文問題詳解

java/jsp中中文問題詳解

預(yù)備知識：
　1.字節(jié)和unicode
　　Java內(nèi)核是unicode的，就連class文件也是，但是很多媒體，包括文件/流的保存方式
　　是使用字節(jié)流的。因此Java要對這些字節(jié)流經(jīng)行轉(zhuǎn)化。char是unicode的，而byte是字節(jié).
　　Java中byte/char互轉(zhuǎn)的函數(shù)在sun.io的包中間有。其中ByteToCharConverter類是中調(diào)度，
　　可以用來告訴你，你用的Convertor。其中兩個很常用的靜態(tài)函數(shù)是
　　 public static ByteToCharConverter getDefault() ;
　　 public static ByteToCharConverter getConverter(String encoding);
　　如果你不指定converter，則系統(tǒng)會自動使用當前的Encoding,GB平臺上用GBK,EN平臺上用
　　8859_1
　　
　　我們來就一個簡單的例子：
　　　　　"你"的gb碼是：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;ic.length;c++)
　　　　　--{
　　　　　-- System.out.println(Integer.toHexString(c[i]));
　　　　　--}
　　　　　--打印出來是0x4F60
　　　　　--但是如果使用8859_1的編碼，打印出來是
　　　　　--0x00C4,0x00E3
　　　　　----例１
　　　　反過來：
　　　　 --encoding="gb2312";
　　　　　　　char c[]={'u4F60'};
　　　　　　　 convertor=ByteToCharConverter.getConverter(encoding);
　　　　　--byte [] b=converter.convertAll(c);
　　　　　--for(int i=0;ib.length;c++)
　　　　　--{
　　　　　-- System.out.println(Integer.toHexString(b[i]));
　　　　　--}
　　　　　　--打印出來是：0xC4,0xE3
　　　　　　----例２
　　　　　　--如果用8859_1就是0x3F，?號，表示無法轉(zhuǎn)化　　　　　　--
　　　　　很多中文問題就是從這兩個最簡單的類派生出來的。而卻有很多類　　
　　不直接支持把Encoding輸入，這給我們帶來諸多不便。很多程序難得用encoding
　　了，直接用default的encoding，這就給我們移植帶來了很多困難
　　--
　　2.UTF-8
　　--UTF-8是和Unicode一一對應(yīng)的，其實現(xiàn)很簡單
　　--
　　 -- 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 _ _ _ _ _ _
　　--大多數(shù)情況是只使用到16位以下的Unicode:
　　--"你"的gb碼是：0xC4E3 ,unicode是0x4F60
　　--我們還是用上面的例子
　　--　　--例１：0xC4E3的二進制：
　　--　　--　　　 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1
　　--　　--　　　由于只有兩位我們按照兩位的編碼來排，但是我們發(fā)現(xiàn)這行不通，
　　--　　--　　　因為第７位不是0因此，返回"?"
　　--　　--　　　
　　--　　--例２：0x4F60的二進制：
　　--　　--　　　 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0
　　--　　--　　　我們用UTF-8補齊，變成：
　　--　　--　　　 11100100 10111101 10100000
　　--　　--　　　 E4--BD-- A0
　　--　　--　　　于是返回0xE4,0xBD,0xA0
　　--　　--
　　3.String和byte[]
　　--String其實核心是char[],然而要把byte轉(zhuǎn)化成String，必須經(jīng)過編碼。
　　--String.length()其實就是char數(shù)組的長度，如果使用不同的編碼，很可
　　--能會錯分，造成散字和亂碼。
　　--例：
　　----byte [] b={(byte)'u00c4',(byte)'u00e3'};
　　----String str=new String(b,encoding);　　----
　　----如果encoding=8859_1，會有兩個字，但是encoding=gb2312只有一個字　　----
　　--這個問題在處理分頁是經(jīng)常發(fā)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讀/寫InputStream/OutputStream
--一個reader的例子：
--文件test.txt只有一個"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;ic.length;i++)
----System.out.println(c[i]);
　　--如果encoding是gb2312，則只有一個字符，如果encoding=8859_1，則有兩個字符
　　--------
--
--
　　
　　 ----
　2.我們要對Java的編譯器有所了解：
　--javac -encoding
　我們常常沒有用到ENCODING這個參數(shù)。其實Encoding這個參數(shù)對于跨平臺的操作是很重要的。
　如果沒有指定Encoding，則按照系統(tǒng)的默認Encoding,gb平臺上是gb2312，英文平臺上是ISO8859_1?！?
　--Java的編譯器實際上是調(diào)用sun.tools.javac.Main的類，對文件進行編譯，這個類　--
　有compile函數(shù)中間有一個encoding的變量,-encoding的參數(shù)其實直接傳給encoding變量。
　編譯器就是根據(jù)這個變量來讀取java文件的，然后把用UTF-8形式編譯成class文件。
　一個例子：
　--public void test()
　--{
　----String str="你";
　----FileWriter write=new FileWriter("test.txt");
　----write.write(str);
　----write.close();
　--}
　----例３
--如果用gb2312編譯，你會找到E4 BD A0的字段
--
--如果用8859_1編譯，
--00C4 00E3的二進制：
--00000000 11000100 00000000 11100011--
--因為每個字符都大于7位，因此用11位編碼：
--11000001 10000100 11000011 10100011
--C1-- 84--　C3--　 A3
--你會找到C1 84 C3 A3 --
　　　　
　　但是我們往往忽略掉這個參數(shù)，因此這樣往往會有跨平臺的問題：
　　--　　例３在中文平臺上編譯，生成ZhClass
　　--　　例３在英文平臺上編譯，輸出EnClass
　　--1.　 ZhClass在中文平臺上執(zhí)行OK,但是在英文平臺上不行
　　--2.　 EnClass在英文平臺上執(zhí)行OK,但是在中文平臺上不行
　　原因：
　--1.在中文平臺上編譯后，其實str在運行態(tài)的char[]是0x4F60,　----
　--在中文平臺上運行，F(xiàn)ileWriter的缺省編碼是gb2312,因此
　--CharToByteConverter會自動用調(diào)用gb2312的converter,把str轉(zhuǎn)化
　--成byte輸入到FileOutputStream中，于是0xC4,0xE3放進了文件。
　--但是如果是在英文平臺下，CharToByteConverter的缺省值是8859_1,
　--FileWriter會自動調(diào)用8859_1去轉(zhuǎn)化str,但是他無法解釋，因此他會
　--輸出"?"　----
　--2.　在英文平臺上編譯后，其實str在運行態(tài)的char[]是0x00C4 0x00E3,　----
　--在中文平臺上運行，中文無法識別，因此會出現(xiàn)??
　--　　在英文平臺上，0x00C4-->0xC4,0x00E3->0xE3，因此0xC4,0xE3被放進了
　--文件
----
1.對于JSP正文的解釋：
--Tomcat首先看一下你的葉面中有沒有"%@page include的符號。有，則在相同
--地方設(shè)定response.setContentType(..);按照encoding的來讀，沒有他按照8859_1
--讀取文件，然后用UTF-8寫成.java文件，然后用sun.tools.Main去讀取這個文件，
--（當然它使用UTF-8去讀），然后編譯成class文件
--setContentType改變的是out的屬性，out變量缺省的encoding是8859_1

2.對Parameter的解釋
--很不幸Parameter只有ISO8859_1的解釋，這個質(zhì)料可以在servlet的實現(xiàn)代碼中找到。

3.對include的解釋
格式的，但是很不幸，由于那個寫"org.apache.jasper.compiler.Parser"的人
在數(shù)組JspUtil.ValidAttribute[]忘記加了一個參數(shù)：encoding,因此導(dǎo)致不支
持這種方式。你完全可以編譯源代碼，加上對encoding的支持

總結(jié)：

如果你在NT底下，最簡單的方法就是欺騙java,不加任何Encoding變量：
html>
你好%=request.getParameter("value")%>
/html>

http://localhost/test/test.jsp?value=你

結(jié)果:你好你

但這種方法局限性較大，比如對上傳的文章分段，這樣的做法是死定的，最好的
解決方案是用這種方案：
%@ page contentType="text/html;charset=gb2312" %>
html>
你好%=new String(request.getParameter("value").getBytes("8859_1"),"gb2312")%>
/html>

必讀好文,但解決方案不敢恭維

--------------------------------------------------------------------------------

1.網(wǎng)頁傳參數(shù)不提倡用get方法,而且用戶可以調(diào)整是否用utf-8發(fā)送
2.建議jsp中最好不要用,實際上加不加這句都有實現(xiàn)中文正常顯示的方案,我認為不加方便些,至少不用寫這些代碼,如下的配置我認為可以使中文正常顯示:
a.所有的javabean用iso8859-1編譯
b.jsp文件中不要寫以上charset=gb2312的語句(寫了反而錯)

在tomcat情況下注意以上2點就行---了,等等,對于其他有可能不行的jsp服務(wù)器,加上以下
c.服務(wù)器上的操作系統(tǒng)語言設(shè)為英文(像沒有裝類似bluepoint中文系統(tǒng)的linux一般本來就是英文)
就行---了

誰要是還不對,請報告....

Re：必讀好文,但解決方案不敢恭維

--------------------------------------------------------------------------------

Tomcat的參數(shù)問題無論是GET或是POST方式都是用8859_1編碼的。這個可以看Tomcat Servlet實現(xiàn)的源代碼:
a) 對于POST方法
　javax.servlet.http.HttpUtils的parsePostData方法： (對于POST的Form數(shù)據(jù))
　String postedBody = new String(postedBytes, 0, len, "8859_1");)這里是沒有問題的因為中文都會用%來說明。但是parseName這個函數(shù)，卻沒有把是中文的東西整合起來，他只是簡單的拼湊，因此可以認定他是使用8859_1的編碼規(guī)則
　 sb.append((char) Integer.parseInt(s.substring(i+1, i+3), 16));
----　　i += 2;
--
b) 對于GET方法
　org.apache.tomcat.service.http.HttpRequestAdapter
　　　--　line=new String(buf, 0, count,
　　　　　　 Constants.CharacterEncoding.Default);
----Constants.CharacterEncoding.Default=8859_1
　這段代碼不好跟蹤，千萬不要被一些假象迷惑住。HttpRequestAdapter是從RequestImpl中派生的。但是，實際上用8080端口的Server并沒有直接用到RequestImpl，而是用了HttpRequestAdapter來獲得queryString

對于加不加encoding，我保留我的意見，因為如果要解決上傳文件分頁問題，必須要用他來編碼。而且編碼能保證在一些Beans當中的傳遞性。

看來我要在這里說明一下了

--------------------------------------------------------------------------------

Tomcat僅僅是一個對jsp1.1,servlet2.2的一個標準的實現(xiàn),我們不應(yīng)該要求這個免費軟件在細致末節(jié)上和性能上都面面俱到,它主要考慮的英文用戶,這也是為什么不作特殊轉(zhuǎn)換我們的漢字用url方法傳遞有問題的原因,我們大部分瀏覽器ie其高級設(shè)置中始終以utf-8發(fā)送url的選項缺省是選上的,如果說這是tomcat的bug也是可以的,另外Tomcat不管當前的操作系統(tǒng)是什么語言,好像都按iso8859去編譯jsp,我覺得也有點欠妥,但是不管怎么說,新標準的實現(xiàn)和熱門的軟件在語言的支持方面永遠都是先考慮英文

我的方案什么說要好一些呢
1.還是那句話,英文國家的軟件永遠都是先考慮英文,java虛擬機的規(guī)范中要求虛擬機內(nèi)部必須實現(xiàn)iso8859,unicode,UTF-8三種,其他的不作要求,我們用的jdk中的虛擬機就是這樣,嵌入式的就更不用說了,也就是說其他的ENCODE都很可能不是java虛擬機內(nèi)部直接支持的,我們的中文自然也不在其列,需要外部的包支持轉(zhuǎn)換,sun jdk應(yīng)該在i18n.jar中,用iso8859速度最快,不需要其它調(diào)用和交換什么的,更沒有讀包的io操作
2.至少少寫了代碼,沒有額外操作,簡潔的風格誰不喜歡
3.所寫的jsp頁面國際性化好,我才寫了一個jsp+javabeans的聊天室軟件(沒有用到servlet,jsp真的確實很好),同樣的程序美國人用他們的瀏覽器進入就是英文界面,中文進入就是中文界面,如果加上charset=gb2312至少很麻煩
4.限定了gb2312,如果用戶要用GBK,怎么辦,不加更好,不管什么的字符集,只要我當前瀏覽器設(shè)定的是,我就能顯示出來

總結(jié):無論從速度上,開發(fā)效率上,和可擴展性上考慮,我的方案都比你的好,另外,我找不到你的方案比我的好的地方.

標簽：樂山上海滄州紅河沈陽長治新疆河南

巨人網(wǎng)絡(luò)通訊聲明：本文標題《java/jsp中中文問題詳解》，本文關(guān)鍵詞；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。

佳木斯湛栽影视文化发展公司

java/jsp中 中文問題詳解

QQ咨詢

電話咨詢

java/jsp中中文問題詳解