深入剖析jsp和servlet对中文的处理

 　　世界上的各地区都有本地的语言。地区差异直接导致了语言环境的差异。在开发一个国际化程序的过程中，处理语言问题就显得很重要了。

　　汉字是双字节的。所谓双字节是指一个双字要占用两个byte的位置（即16位），分别称为高位和低位。中国规定的汉字编码为gb2312，这是强制性的，目前几乎所有的能处理中文的应用程序都支持gb2312。gb2312包括了一二级汉字和9区符号，高位从0xa1到0xfe，低位也是从0xa1到0xfe，其中，汉字的编码范围为0xb0a1到0xf7fe。

　　在不久的将来，中国会颁布另一种标准：gb18030-2000（gbk2k）。它收录了藏、蒙等少数民族的字型，从根本上解决了字位不足的问题。注意：它不再是定长的。其二字节部份与gbk兼容，四字节部分是扩充的字符、字形。它的首字节和第三字节从0x81到0xfe，二字节和第四字节从0x30到0x39。

　　编码名称 说明
　　ascii 7位，与ascii7相同
　　iso8859-1 8-位，与 8859_1,iso-8859-1,iso_8859-1,latin1...等相同
　　gb2312-80 16位，与gb2312,gb2312-1980,euc_cn,euccn,1381,cp1381, 1383, cp1383, iso2022cn,iso2022cn_gb...等相同
　　gbk 与ms936相同，注意：区分大小写
　　utf8 与utf-8相同
　　gb18030 与cp1392、1392相同，目前支持的jdk很少

　　举例说明。有gb2312中有一个汉字“李”，其编码为“c0ee”，欲转化为iso8859-1编码。步骤为：先把“李”字转化为unicode，得到“674e”，再把“674e”转化为iso8859-1字符。当然，这个映射不会成功，因为iso8859-1中根本就没有与“674e”对应的字符。

　　例如：把字符流buf =“0x80 0x40 0xb0 0xa1”进行new string(buf, "gb2312")操作，得到的结果是“/ufffd/u554a”，再println出来，得到的结果将是“?啊”，因为“0x80 0x40”是gbk中的字符，在gb2312中没有。

　　所以，在汉字转码时，如果发生错乱，得到的不一定都是问号噢！不过，错了终究是错了，50步和100步并没有质的差别。