几个小语种的乱码问题

最新推荐文章于 2023-12-12 09:22:01 发布

sanoboy

最新推荐文章于 2023-12-12 09:22:01 发布

阅读量8.4k

点赞数

分类专栏： java 和脚本的 web 应用文章标签： sql server 存储 character microsoft 数据库 byte

本文链接：https://blog.csdn.net/sanoboy/article/details/5612478

版权

java 和脚本的 web 应用专栏收录该内容

7 篇文章 0 订阅

订阅专栏

1. 数据库存储

用SQL server 2005的时候，首先当然要选择好正确的collation. 比如，泰语-thailand_CS_AI, 越南语-Vietnamese_CS_AI. 对泰语来见使用过程中字符型的列data type可以像英文一样选用varchar,没有任何问题。但对越南语如果对于字符型数据也同样选择varchar类型，存储之后就是部分乱码。如果你选用nvarchar(max),那么这个问题就解决了。

2. 在用ENCTYPE="multipart/form-data“ 表单上传附件的时候，javazoom的UploadBean.jar是一个很好的选择，MultipartFormDataRequest这个类就实现了一个"multipart/forma-data" Http请求解析器. 但在获取除文件以外的input 数据时，如果不做好正确的设置，的到的就是乱码。对于英文来见使用

mrequest = new MultipartFormDataRequest(context.getRequest());

value= mrequest.getParameter("name");

就可以得到所需要的值。但在我做一个需要获取泰语的表单请求的时候，得到的就全是乱码，网上查找了大量资料，编码设定之类的也试了不少，都快将近要放弃了。结果只是把上面那个mrequest的定义稍作调整就可以了

mrequest = new MultipartFormDataRequest(context.getRequest(),null,100*1024*1024,MultipartFormDataRequest.COSPARSER,"UTF-8");

不过我查看了API, by default 解析器就是cos,编码类型应该也是UTF-8吧，不过看了看MultipartFormDataRequest.class真需要自己设定一下。不管了,这样没有问题就ok，有时间再仔细研究。

附文：

一、varchar[(n)] 和nvarchar(n)

1.varchar[(n)]

长度为 n 个字节的可变长度且非 Unicode 的字符数据。n 必须是一个介于 1 和 8,000 之间的数值。存储大小为输入数据的字节的实际长度，而不是 n 个字节。所输入的数据字符长度可以为零。varchar 在 SQL-92 中的同义词为 char varying 或 character varying。

2.nvarchar(n)

包含 n 个字符的可变长度 Unicode 字符数据。n 的值必须介于 1 与 4,000 之间。字节的存储大小是所输入字符个数的两倍。所输入的数据字符长度可以为零。nvarchar 在 SQL-92 中的同义词为 national char varying 和 national character varying。

3.Unicode编码

Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来的十多年里得到普及.

对于英文来说，ascii码0-127就足以代码所有字符，对于中文而言，则必须使用两个字节(byte) 来代表一个字符，具第一个字节必须大于127(所以我们有许程序判断中文都是以ascii码大于127作为条件)
以上用两个字节来表示一个中文的方式，在习惯上称为双字节(即DBCS:Double-ByteCharacterSet)，而相对之下，英文的字符码就称为单字节SBCS(Single-ByteCharacterSet)。
虽然双字节(DBCS)足以解决中英文字符混合使用情况，但对于不同字符系统而言，必须经过字符码转换，非常麻烦。例如：中英文混合情况，日文，韩文等等。为解决这个问题，Apple,Xerox,Microsoft,IBM,Novell,Borland...很多公司联合起来制订了一套可以适用于全世界所有国家的字符码，就称为Unicode.

Unicode的特点是：
不管哪一国的字符码均以两个Byte表示，例如"A"在Unicode则是16进制41和00的组合，即4100，高位41(转换为Ascii码即是 65=A)，
WindowsNT/2000以Unicode来表示字符集，例如你可以看到MSSQLServer中产生的SQL文件可以选择是以Unicode来保存还是以普通格式来保存，如果你以Unicode保存，则在95/98平台许多软件均无法正确读出其格式。

varchar在SQL Server中是采用单字节来存储数据的，nvarchar是使用Unico来存储数据的，存储到SQL Server中会保存为两个字节（一般采用Unico编码），英文字符保存到数据库中，如果字段的类型为varchar，则只会占用一个字节，而如果字段的类型为nvarchar，则会占用两个字节。但使用nvarchar在判断字符串的时候可以不需要考虑不同种种字符的差别，当然，使用nvarchar存储英文字符会增大一倍的存储空间．但是在存储代价已经很低廉的情况下，优先考虑兼容性会给你带来更多好处的．

所以在Design的时候应该尽量使用nvarchar来存储数据．只有在你确保该字段只是存储英文的时候，才采用varchar来存储．