【中文编码】mysql中文编码乱码问题|java中文转码

目录

 

mysql中文编码乱码问题

java中文转码

IDEA中文乱码解决方法

---

编码

ASCII             1个字节=1个文字

ANSI               2个字节=1个文字

UNICODE      3个+字节=1个文字 -----压缩---->UTF-8

mysql中文编码乱码问题

https://zhidao.baidu.com/question/2015872588623413508.html

A. 字符编码：

“使用命令行方式登陆到MySQL服务器， 建立一个数据库，数据库编码设为UTF-8。此时，如果直接在命令行窗口使用insert语句插入中文，就遇到类似 ERROR 1406 (22001): Data too long for column 'name' at row 1 错误。乍一看，是字段长度引起的问题，但是实际是字符编码的问题。可是尝试以下解决方法：
1、在Linux中，使用终端方式登陆MySQL服务器，运行以下命令：
set names utf8;
该命令将终端的字符编码设为了UTF-8。此后再插入数据库中的内容都会按照UTF-8的编码来处理。
注意：在Linux中，终端方式中直接插入中文内容，可能并不会出现1406错误，但是这时插入的 数据
是按照系统的默认编码进行处理。因此对编码为UTF-8的数据库，在显示数据的地方可能会出现乱码。

2、在Windows下，命令行窗口不支持UTF-8编码，所以使用“set names utf8;”不会达到转化中文的
效果。但是这个问题还是可以解决的：
（1）使用默认编码建立数据库。这种情况下就可以直接输入中文了，但是相应的问题，就是会
失去UTF-8编码的灵活性。特别是不利于软件的国际化。
（2）放弃命令行窗口登录MySQL，使用图形化客户端。客户端工具可以MySQL的官方网站上找到。”

B. Mysql配置文件：
“在my.ini里找到sql- mode='STRICT_TRANS_TABLES,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION'把其中 的STRICT_TRANS_TABLES,去掉,或者把sql- mode=STRICT_TRANS_TABLES,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION注释掉，然 后重启mysql就ok了

java中文转码

案例1：对端的中文编码是Unicode，传输到本端的buffer。

本端nistr= buffer.to_string () 则nistr就是"abc\u5639\u563b";

本端nibyte[]= buffer.getBytes("unicode") 则nibyte[0]、nibyte[1]……就是buffer字节流的第一、二个字节的值

将字符串转成unicode编码形式的字节数组类型

string message="你好123";

byte[] b_msg = message.getBytes("unicode");// 字符串使用unicode编码转换成字节

//b_msg数组为转换后的字节数组

在Unicode和UTF-8之间转换        

方法1

try
{
    // Convert from Unicode to UTF-8
    String string = "abc\u5639\u563b";
    byte[] utf8 = string.getBytes("UTF-8");
    // Convert from UTF-8 to Unicode
    string = new String(utf8, "UTF-8");
}
catch (UnsupportedEncodingException e)
{
}

方法2

public static String unicodeToUtf8(String theString)
{
    char aChar;
    int len = theString.length();
    StringBuffer outBuffer = new StringBuffer(len);
    for (int x = 0; x < len;)
    {
        aChar = theString.charAt(x++);
        if (aChar == '\\')
        {
            aChar = theString.charAt(x++);
            if (aChar == 'u')
            {
                // Read the xxxx
                int value = 0;
                for (int i = 0; i < 4; i++)
                {
                    aChar = theString.charAt(x++);
                    switch (aChar)
                    {
                    case '0':
                    case '1':
                    case '2':
                    case '3':
                    case '4':
                    case '5':
                    case '6':
                    case '7':
                    case '8':
                    case '9':
                        value = (value << 4) + aChar - '0';
                        break;
                    case 'a':
                    case 'b':
                    case 'c':
                    case 'd':
                    case 'e':
                    case 'f':
                        value = (value << 4) + 10 + aChar - 'a';
                        break;
                    case 'A':
                    case 'B':
                    case 'C':
                    case 'D':
                    case 'E':
                    case 'F':
                        value = (value << 4) + 10 + aChar - 'A';
                        break;
                    default:
                        throw new IllegalArgumentException(
                            "Malformed  \\uxxxx  encoding.");
                    }
                }
                outBuffer.append((char) value);
            }
            else
            {
                if (aChar == 't')
                    aChar = '\t';
                else if (aChar == 'r')
                    aChar = '\r';
                else if (aChar == 'n')
                    aChar = '\n';
                else if (aChar == 'f')
                    aChar = '\f';
                outBuffer.append(aChar);
            }
        }
        else
            outBuffer.append(aChar);
    }
    return outBuffer.toString();
}

utf-8转unicode

public static String utf8ToUnicode(String inStr)
{
    char[] myBuffer = inStr.toCharArray();

    StringBuffer sb = new StringBuffer();
    for (int i = 0; i < inStr.length(); i++)
    {
        UnicodeBlock ub = UnicodeBlock.of(myBuffer[i]);
        if(ub == UnicodeBlock.BASIC_LATIN)
        {
            //英文及数字等
            sb.append(myBuffer[i]);
        }
        else if(ub == UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS)
        {
            //全角半角字符
            int j = (int) myBuffer[i] - 65248;
            sb.append((char)j);
        }
        else
        {
            //汉字
            short s = (short) myBuffer[i];
            String hexS = Integer.toHexString(s);
            String unicode = "\\u" + hexS;
            sb.append(unicode.toLowerCase());
        }
    }
    return sb.toString();
}

其他方法：https://blog.csdn.net/weixin_45358267/article/details/116532896

getByte()用法小结

在Java中，String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同情况下，返回的东西不一样！ 

    String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示，如：

Java代码   

1. byte[] b_gbk = "深".getBytes("GBK");   
2. byte[] b_utf8 = "深".getBytes("UTF-8");   
3. byte[] b_iso88591 = "深".getBytes("ISO8859-1");   
4. byte[] b_unicode = "深".getBytes("unicode");  

    将分别返回“深”这个汉字在GBK、UTF-8、ISO8859-1和unicode编码下的byte数组表示，此时b_gbk的长度为2，b_utf8的长度为3，b_iso88591的长度为1，unicode为4。 

    而与getBytes相对的，可以通过new String(byte[], decode)的方式来还原这个“深”字时，这个new String(byte[], decode)实际是使用decode指定的编码来将byte[]解析成字符串。 

Java代码   

1. String s_gbk = new String(b_gbk,"GBK");   
2. String s_utf8 = new String(b_utf8,"UTF-8");   
3. String s_iso88591 = new String(b_iso88591,"ISO8859-1");   
4. String s_unicode = new String(b_unicode, "unicode");  

     通过打印s_gbk、s_utf8、s_iso88591和unicode，会发现，s_gbk、s_utf8和unicode都是“深”，而只有s_iso88591是一个不认识的字符，为什么使用ISO8859-1编码再组合之后，无法还原“深”字呢，其实原因很简单，因为ISO8859-1编码的编码表中，根本就没有包含汉字字符，当然也就无法通过"深".getBytes("ISO8859-1");来得到正确的“深”字在ISO8859-1中的编码值了，所以再通过new String()来还原就无从谈起了。 

    因此，通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值，这样得到的byte[]数组才能正确被还原。 

    有时候，为了让中文字符适应某些特殊要求（如http header头要求其内容必须为iso8859-1编码），可能会通过将中文字符按照字节方式来编码的情况，如 

    String s_iso88591 = new String("深".getBytes("UTF-8"),"ISO8859-1")， 

    这样得到的s_iso8859-1字符串实际是三个在 ISO8859-1中的字符，在将这些字符传递到目的地后，目的地程序再通过相反的方式String s_utf8 = new String(s_iso88591.getBytes("ISO8859-1"),"UTF-8")来得到正确的中文汉字“深”。这样就既保证了遵守协议规定、也支持中文。 

    同样，在开发会检查字符长度，以免数据库字段的长度不够而报错，考虑到中英文的差异，肯定不能用String.length()方法判断,而需采用String.getBytes().length;而本方法将返回该操作系统默认的编码格式的字节数组。如字符串“Hello!你好！”，在一个中文WindowsXP系统下，结果为12，而在英文的UNIX环境下，结果将为9。因为该方法和平台（编码）相关的。在中文操作系统中，getBytes方法返回的是一个GBK或者GB2312的中文编码的字节数组，其中中文字符，各占两个字节，而在英文平台中，一般的默认编码是"ISO-8859-1",每个字符都只取一个字节（而不管是否非拉丁字符）。所以在这种情况下，应该给其传入字符编码字符串，即String.getBytes("GBK").length。

getBytes()和toCharArray()

String类的：
byte[] getBytes()
返回的是字节数组，直接输出结果是地址值
char[] toCharArray()
返回的是字符数组，直接输出结果却是内容，因为字符数组是特殊的数组

String myString=”abcd”;
byte myByte[]=myString.getBytes();

System.out.println(“myByte[1]=”+myByte[1]);

输出结果：

myByte[1]=98  

返回myByte[] 就是地址值，myByte[1]是第二个地址值指向的数值=98
 

IDEA中文乱码解决方法

https://blog.csdn.net/qq_41131964/article/details/123652921

PYTHON中文编码问题(字符串前加‘U‘|DECODE|ENCODE)

       字符串在Python3内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码， 即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。
decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode(‘gb2312’)，表示将gb2312编码的字符串str1转换成unicode编码。

       encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode(‘gb2312’)，表示将unicode编码的字符串str2转换成gb2312编码。
总得意思:想要将其他的编码转换成utf-8必须先将其解码成unicode然后重新编码成utf-8,它是以unicode为转换媒介的 如：s=‘中文’ 如果是在utf8的文件中，该字符串就是utf8编码，如果是在gb2312的文件中，则其编码为gb2312。这种情况下，要进行编码转换，都需要先用 decode方法将其转换成unicode编码，再使用encode方法将其转换成其他编码。通常，在没有指定特定的编码方式时，都是使用的系统默认编码创建的代码文件

中文编码问题是用中文的程序员经常头大的问题，在python下也是如此，那么应该怎么理解和解决python的编码问题呢？

我们要知道python内部使用的是unicode编码，而外部却要面对千奇百怪的各种编码，比如作为中国程序经常要面对的gbk，gb2312，utf8等，那这些编码是怎么转换成内部的unicode呢？

首先我们先看一下源代码文件中使用字符串的情况。源代码文件作为文本文件就必然是以某种编码形式存储代码的，python2默认会认为源代码文件是asci编码，比如说代码中有一个变量赋值：

s1=’a’
print s1

python2认为这个’a’就是一个asci编码的字符。在仅仅使用英文字符的情况下一切正常，但是如果用了中文，比如：

s1=’哈’
print s1

这个代码文件被执行时就会出错，就是编码出了问题。python默认将代码文件内容当作asci编码处理，但asci编码中不存在中文，因此抛出异常。

解决问题之道就是要让python知道文件中使用的是什么编码形式，对于中文，可以用的常见编码有utf-8，gbk和gb2312等。只需在代码文件的最前端添加如下：

# -*- coding: utf-8 -*-

这就是告知python我这个文件里的文本是用utf-8编码的，这样，python就会依照utf-8的编码形式解读其中的字符，然后转换成unicode编码内部处理使用。

不过，如果你在Windows控制台下运行此代码的话，虽然程序是执行了，但屏幕上打印出的却不是哈字。这是由于python编码与控制台编码的不一致造成的。Windows下控制台中的编码使用的是gbk，而在代码中使用的utf-8，python按照utf-8编码打印到gbk编码的控制台下自然就会不一致而不能打印出正确的汉字。

• 解决办法一个是将源代码的编码也改成gbk，也就是代码第一行改成：

# -*- coding: gbk -*-

• 另一种方法是保持源码文件的utf-8不变，而是在’哈’前面加个u字，也就是:

  s1=u’哈’
  print s1

  这样就可以正确打印出’哈’字了。

  这里的这个u表示将后面跟的字符串以unicode格式存储。python会根据代码第一行标称的utf-8编码识别代码中的汉字’哈’，然后转换成unicode对象。如果我们用type查看一下’哈’的数据类型type(‘哈’)，会得到<type ‘str’>，而type(u’哈’)，则会得到<type ‘unicode’>，也就是在字符前面加u就表明这是一个unicode对象，这个字会以unicode格式存在于内存中，而如果不加u，表明这仅仅是一个使用某种编码的字符串，编码格式取决于python对源码文件编码的识别，这里就是utf-8。

  Python在向控制台输出unicode对象的时候会自动根据输出环境的编码进行转换，但如果输出的不是unicode对象而是普通字符串，则会直接按照字符串的编码输出字符串，从而出现上面的现象。

• 使用unicode对象的话，除了这样使用u标记，还可以使用unicode类以及字符串的encode和decode方法。

  unicode类的构造函数接受一个字符串参数和一个编码参数，将字符串封装为一个unicode，比如在这里，由于我们用的是utf-8编码，所以unicode中的编码参数使用’utf-8′将字符封装为unicode对象，然后正确输出到控制台：

  s1=unicode(‘哈’, ‘utf-8′)
  print s1

  另外，用decode函数也可以将一个普通字符串转换为unicode对象。很多人都搞不明白python字符串的decode和encode函数都是什么意思。这里简要说明一下。

  decode是将普通字符串按照参数中的编码格式进行解析，然后生成对应的unicode对象，比如在这里我们代码用的是utf-8，那么把一个字符串转换为unicode就是如下形式：

  s2=’哈’.decode(‘utf-8′)

  这时，s2就是一个存储了’哈’字的unicode对象，其实就和unicode(‘哈’, ‘utf-8′)以及u’哈’是相同的。

  那么encode正好就是相反的功能，是将一个unicode对象转换为参数中编码格式的普通字符，比如下面代码：

  s3=unicode(‘哈’, ‘utf-8′).encode(‘utf-8′)

  s3现在又变回了utf-8的’哈’。

# coding=utf-8
# 字符串在Python3内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，
# 即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。
a = u"中国"
print a
print a.decode('utf-8')  # 报错:UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

# coding=utf-8
a = u"中国"
b = "哈哈"
# decode中的参数coding必须是b原来的编码方式，
# b.decode('utf-8')就是对原来是utf-8编码的b解码为unicode编码。
print b.decode('utf-8') 

print a.encode('utf-8')  
# encode中的参数coding必须是a即将要编码的方式，
# a.encode('utf-8') 就是要对原来是unicode编码的a进行utf-8编码。