JDK自带的native2ascii工具完全揭密之 ： 正传 / 反转

验证用的消息资源（properties）文件就需要进行Unicode重新编码。原因是java默认的编码方式为Unicode，而我们的计算机系统编码常常是GBK等编码。需要将系统的编码转换为java正确识别的编码问题就解决了。

 

1、native2ascii简介：native2ascii是sun java sdk提供的一个工具。用来将别的文本类文件（比如*.txt,*.ini,*.properties,*.java等等）编码转为Unicode编码。为什么要进行转码，原因在于程序的国际化。Unicode编码的定义：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。（声明：Unicode编码定义来自互联网）。

 

2、获取native2ascii：安装了jdk后，假如你是在windows上安装，那么在jdk的安装目录下，会有一个bin目录，其中native2ascii.exe正是。

 

3、native2ascii的命令行的命名格式：
native2ascii -[options] [inputfile [outputfile]]

说明：

-[options]：表示命令开关，有两个选项可供选择
-reverse：将Unicode编码转为本地或者指定编码，不指定编码情况下，将转为本地编码。
-encoding encoding_name：转换为指定编码，encoding_name为编码名称。

 

[inputfile [outputfile]]
inputfile：表示输入文件全名。
outputfile：输出文件名。如果缺少此参数，将输出到控制台。

 

4、最佳实践：首先将JDK的bin目录加入系统变量path。在盘下建立一个test目录，在test目录里建立一个zh.txt文件，文件内容为：“熔岩”，打开“命令行提示符”，并进入C:/test目录下。下面就可以按照说明一步一步来操作，注意观察其中编码的变化。

 

A：将zh.txt转换为Unicode编码，输出文件到u.txt
native2ascii zh.txt u.txt
打开u.txt，内容为“/u7194/u5ca9”。

 

B：将zh.txt转换为Unicode编码，输出到控制台

C:/test>native2ascii zh.txt
/u7194/u5ca9
可以看到，控制台输出了“/u7194/u5ca9”。

 

C：将zh.txt转换为ISO8859-1编码，输出文件到i.txt
native2ascii -encoding ISO8859-1 zh.txt i.txt
打开i.txt文件，内容为“/u00c8/u00db/u00d1/u00d2”。

 

D：将u.txt转换为本地编码，输出到文件u_nv.txt
native2ascii -reverse u.txt u_nv.txt
打开u_nv.txt文件，内容为“熔岩”。

 

E：将u.txt转换为本地编码，输出到控制台
C:/test>native2ascii -reverse u.txt
熔岩
可以看到，控制台输出了“熔岩”。

 

F：将i.txt转换为本地编码，输出到i_nv.txt
native2ascii -reverse i.txt i_nv.txt
打开i_nv.txt文件，内容为“/u00c8/u00db/u00d1/u00d2”。发现转码前后完全一样的。也就是说，等于没有转，或者说思想糊涂，对命名没有理解。。

 

G：将i.txt转换为GBK编码，输出到i_gbk.txt
native2ascii -reverse -encoding GBK i.txt i_gbk.txt
打开i_gbk.txt文件，内容为“/u00c8/u00db/u00d1/u00d2”。发现转码前后完全一样的。也就是说，等于没有转，或者说思想糊涂，对命名没有理解。

 

H：将u_nv.txt转码到本地编码GBK，输出到控制台
C:/test>native2ascii -reverse -encoding ISO8859-1 i.txt
熔岩
从这个结果看，目标达到到了，编码i.txt为ISO8859-1，转为本地编码后内容为“熔岩”。从这里应该意识到，native2ascii -reverse命令中-encoding指定的编码为源文件的编码格式。而在native2ascii 命令中-encoding指定的编码为（生成的）目标文件的编码格式。这一点非常的重要！切记！！

继续探索，新建文件12a.txt，内容“12axyz”。看看纯字母数字的编码又如何。

 

I：将纯字母数字的文本文件12a.txt转换为Unicode编码
native2ascii 12a.txt 12a_nv.txt
打开12a_nv.txt文件，内容为“12axyz”。
继续测试，转为ISO8859-1编码看看
C:/test>native2ascii -encoding ISO8859-1 12a.txt
12axyz
结果还是没有转码。
从结果可以得出结论：对于纯数字和字母的文本类型件，转码前后的内容是一样的。

 

5、总结：native2ascii是一个非常的好转码工具，并且转码是可逆的！而其真正的含义并非本地编码——>转码为ASCII码，而是一个通用的文本文件编码转换工具。在做编码转换的时候有两类指定编码的情形，分别指输出文件编码和输入文件编码，具体可以看看最佳实践部分。

6、反转的例子 ：

例子
正转:To:Unicode
native2ascii -encoding gb2312 na.properties u.properties
反转:Reverse Unicode To 指定码
native2ascii -reverse -encoding gbk u.properties na2.properties

其中 ， 用到的编码 字符串（gbk）必须是下表第一栏所示的字符串。

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

转换器        说明
类
-------------------------------------------------------------

8859_1           ISO 8859-1
8859_2           ISO 8859-2
8859_3           ISO 8859-3
8859_4           ISO 8859-4
8859_5           ISO 8859-5
8859_6           ISO 8859-6
8859_7           ISO 8859-7
8859_8           ISO 8859-8
8859_9           ISO 8859-9
Big5                Big5 码，繁体中文
CNS11643     CNS 11643，繁体中文
Cp037            美国、加拿大（两种语言，法语）、荷兰、葡萄牙、巴西、澳大利亚
Cp1006           IBM AIX 巴基斯坦（乌尔都语）
Cp1025           IBM 多语种西里尔语：保加利亚、波斯尼亚
                               黑塞哥维那、马其顿 (FYR)
Cp1026           IBM Latin-5，土耳其
Cp1046           IBM Open Edition US EBCDIC
Cp1097           IBM 伊朗（波斯语）/波斯
Cp1098           IBM 伊朗（波斯语）/波斯 (PC)
Cp1112           IBM 拉脱维亚，立陶宛 
Cp1122           IBM 爱沙尼亚
Cp1123           IBM 乌克兰
Cp1124           IBM AIX 乌克兰
Cp1125           IBM 乌克兰 (PC)
Cp1250           Windows 东欧
Cp1251           Windows 斯拉夫语
Cp1252           Windows Latin-1
Cp1253           Windows 希腊
Cp1254           Windows 土耳其
Cp1255           Windows 希伯莱
Cp1256           Windows 阿拉伯
Cp1257           Windows 波罗的语
Cp1258           Windows 越南语
Cp1381           IBM OS/2, DOS 中华人民共和国 (PRC)
Cp1383           IBM AIX 中华人民共和国 (PRC)
Cp273            IBM 奥地利、德国
Cp277            IBM 丹麦、挪威
Cp278            IBM 芬兰、瑞典
Cp280            IBM 意大利
Cp284            IBM 加泰罗尼亚语/西班牙、拉丁美洲西班牙语
Cp285            IBM 英国、爱尔兰 
Cp297            IBM 法国
Cp33722        IBM-eucJP - 日语 (5050 的超集)
Cp420            IBM 阿拉伯
Cp424            IBM 希伯莱
Cp437            MS-DOS 美国、澳大利亚、新西兰、南非
Cp500            EBCDIC 500V1
Cp737            PC 希腊
Cp775            PC 波罗的语
Cp838            IBM 泰国扩展 SBCS
Cp850            MS-DOS Latin-1
Cp852            MS-DOS Latin-2
Cp855            IBM 斯拉夫语
Cp857            IBM 土耳其语
Cp860            MS-DOS 葡萄牙语
Cp861            MS-DOS 冰岛语
Cp862            PC 希伯莱
Cp863            MS-DOS 加拿大法语
Cp864            PC 阿拉伯语
Cp865            MS-DOS 日尔曼语
Cp866            MS-DOS 俄语
Cp868            MS-DOS 巴基斯坦语
Cp869            IBM 现代希腊语
Cp870            IBM 多语种 Latin-2
Cp871            IBM 冰岛语
Cp874            IBM 泰国语
Cp875            IBM 希腊语
Cp918            IBM 巴基斯坦（乌尔都语）
Cp921            IBM 拉脱维亚、立陶宛(AIX, DOS)
Cp922            IBM 爱沙尼亚 (AIX, DOS)
Cp930            与 4370 UDC 混合的日语，5026 的超集
Cp933            与 1880 UDC 混合的韩文，5029 的超集
Cp935            与 1880 UDC 混合的简体中文主机，5031 的超集 
Cp937            与 6204 UDC 混合的繁体中文，5033 的超集
Cp939            与 4370 UDC 混合的日语拉丁字母，5035 的超集
Cp942            日语 (OS/2)，932 的超集 
Cp948            OS/2 中文（台湾），938 超集
Cp949            PC 韩文
Cp950            PC 中文（香港、台湾）
Cp964            AIX 中文（台湾）
Cp970            AIX 韩文
EUCJIS          JIS, EUC 编码、日语
GB2312         GB2312, EUC 编码、简体中文
GBK              GBK, 简体中文
ISO2022CN              ISO 2022 CN, 中文
ISO2022CN_CNS    ISO-2022-CN 形式的 CNS 11643，繁体中文 
ISO2022CN_GB       ISO-2022-CN 形式的 GB 2312，简体中文
ISO2022KR               ISO 2022 KR, 韩文
JIS                  JIS, 日语
JIS0208          JIS 0208, 日语
KOI8_R         KOI8-R, 俄语
KSC5601       KS C 5601, 韩文
MS874           Windows 泰国语
MacArabic      Macintosh 阿拉伯语
MacCentralEurope   Macintosh Latin-2
MacCroatian    Macintosh 克罗地亚语
MacCyrillic       Macintosh 斯拉夫语
MacDingbat      Macintosh Dingbat
MacGreek        Macintosh 希腊语
MacHebrew     Macintosh 希伯莱语
MacIceland      Macintosh 冰岛语
MacRoman      Macintosh 罗马语
MacRomania    Macintosh 罗马尼亚语
MacSymbol      Macintosh 符号
MacThai           Macintosh 泰国语
MacTurkish      Macintosh 土耳其语
MacUkraine     Macintosh 乌克兰语
SJIS                 Shift-JIS, 日语
UTF8               UTF-8