Class
:输出字符串
上文说过,字符串在内存中表现为Unicode编码。至于这种Unicode编码表示了什么,那要看它是从哪种字符集映射过来的,也就是说要看它的祖先。这好比在托运行李时,外观都是纸箱子,里面装了什么就要看寄邮件的人实际邮了什么东西。
看看上面的例子,如果给一串Unicode编码“
00D6 00D0 00CE 00C4”,如果不作转换,直接用Unicode码表来对照它时,是四个字符(而且是特殊字符);假如把它与“
ISO8859-1”进行映射,则直接去掉前面的“
00”即可得到“
D6 D0 CE C4”, 这是ASCII码表中的四个字符;而假如把它当作GB2312来进行映射,得到的结果很可能是一大堆乱码,因为在GB2312中有可能没有(也有可能有) 字符与00D6等字符对应(如果对应不上,将得到0x3f,也就是问号,如果对应上了,由于00D6等字符太靠前,估计也是一些特殊符号,真正的汉字在 Unicode中的编码从4E00开始)。
各位看到了,同样的Unicode字符,可以解释成不同的样子。当然,这其中有一种是我们期望的结果。以上例而论,“
D6 D0 CE C4”应该是我们所想要的,当把“
D6 D0 CE C4”输出到IE中时,用“
简体中文00D6 00D0 00CE 00C4”本来就是由ISO8859-1转化过去的。”方式查看,就能看到清楚的“
中文”两个字了。(当然了,如果你一定要用“西欧字符”来看,那也没办法,你将得不到任何有何时何地的东西)为什么呢?因为“
给出如下结论:
在Class输出字符串前,会将Unicode的字符串按照某一种内码重新生成字节流,然后把字节流输入,相当于进行了一步“String.getBytes(???)”操作。???代表某一种字符集。
如果是Servlet,那么,这种内码就是在HttpServletResponse.setContentType()方法中指定的内码,也就是上文定义的<
Servlet-charset。>
如果是JSP,那么,这种内码就是在<%@ page contentType=""%>中指定的内码,也就是上文定义的<
Jsp-charset。>
如果是Java程序,那么,这种内码就是file.encoding中指定的内码,默认为
ISO8859-1。
当输出对象是浏览器时
以流行的浏览器IE为例。IE支持多种内码。假如IE接收到了一个字节流“D6 D0 CE C4”,你可以尝试用各种内码去查看。你会发现用“简体中文”时能得到正确的结果。因为“D6 D0 CE C4”本来就是简体中文中“中文”两个字的编码。
OK,完整地看一遍。
JSP
:源文件为GB2312
格式的文本文件,且JSP
源文件中有“中文”这两个汉字
如果指定了<
Jsp-charset为GB2312,转化过程如下表。>
表4 Jsp-charset = GB2312时的变化过程
序号
|
步骤说明
|
结果
|
1
|
编写JSP源文件,且存为GB2312格式
|
D6 D0 CE C4
(D6D0=中 CEC4=文)
|
2
|
jspc把JSP源文件转化为临时JAVA文件,并把字符串按照
GB2312映射到Unicode,并用UTF格式写入JAVA文件中
|
E4 B8 AD E6 96 87
|
3
|
把临时JAVA文件编译成CLASS文件
|
E4 B8 AD E6 96 87
|
4
|
运行时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码
|
4E 2D 65 87(在Unicode中4E2D=中 6587=文)
|
5
|
根据Jsp-charset=
GB2312把Unicode转化为字节流
|
D6 D0 CE C4
|
6
|
把字节流输出到IE中,并设置IE的编码为
GB2312(作者按:这个信息隐藏在HTTP头中)
|
D6 D0 CE C4
|
7
|
IE用“简体中文”查看结果
|
“中文”(正确显示)
|
如果指定了<
Jsp-charset为ISO8859-1,转化过程如下表。>
表5 Jsp-charset = ISO8859-1时的变化过程
序号
|
步骤说明
|
结果
|
1
|
编写JSP源文件,且存为GB2312格式
|
D6 D0 CE C4
(D6D0=中 CEC4=文)
|
2
|
jspc把JSP源文件转化为临时JAVA文件,并把字符串按照
ISO8859-1映射到Unicode,并用UTF格式写入JAVA文件中
|
C3 96 C3 90 C3 8E C3 84
|
3
|
把临时JAVA文件编译成CLASS文件
|
C3 96 C3 90 C3 8E C3 84
|
4
|
运行时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码
|
00 D6 00 D0 00 CE 00 C4
(啥都不是!!!)
|
5
|
根据Jsp-charset=
ISO8859-1把Unicode转化为字节流
|
D6 D0 CE C4
|
6
|
把字节流输出到IE中,并设置IE的编码为
ISO8859-1(作者按:这个信息隐藏在HTTP头中)
|
D6 D0 CE C4
|
7
|
IE用“西欧字符”查看结果
|
乱码,其实是四个
ASCII
字符,但由于大于
128
,所以显示出来的怪模怪样
|
8
|
改变IE的页面编码为“简体中文”
|
“中文”(正确显示)
|
奇怪了!为什么把<
Jsp-charset设成GB2312和ISO8859-1是一个样的,都能正确显示?因为表4表5中的第2步和第5步互逆,是相互“抵消”的。只不过当指定为ISO8859-1时,要增加第8步操作,殊为不便。>
再看看不指定<Jsp-charset> 时的情况。
表6 未指定Jsp-charset 时的变化过程
序号
|
步骤说明
|
结果
|
1
|
编写JSP源文件,且存为GB2312格式
|
D6 D0 CE C4
(D6D0=中 CEC4=文)
|
2
|
jspc把JSP源文件转化为临时JAVA文件,并把字符串按照
ISO8859-1映射到Unicode,并用UTF格式写入JAVA文件中
|
C3 96 C3 90 C3 8E C3 84
|
3
|
把临时JAVA文件编译成CLASS文件
|
C3 96 C3 90 C3 8E C3 84
|
4
|
运行时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码
|
00 D6 00 D0 00 CE 00 C4
(啥都不是!!!)
|
5
|
根据Jsp-charset=
ISO8859-1把Unicode转化为字节流
|
D6 D0 CE C4
|
6
|
把字节流输出到IE中
|
D6 D0 CE C4
|
7
|
IE用发出请求时的页面的编码查看结果
|
视情况而定。如果是简体中文,则能正确显示,否则,需执行表
5
中的第
8
步
|
Servlet
:源文件为JAVA
文件,格式是GB2312
,源文件中含有“中文”这两个汉字
如果<Compile-charset>=
GB2312,<Servlet-charset>=
GB2312
表7 Compile-charset=Servlet-charset=GB2312 时的变化过程
序号
|
步骤说明
|
结果
|
1
|
编写Servlet源文件,且存为GB2312格式
|
D6 D0 CE C4
(D6D0=中 CEC4=文)
|
2
|
用javac –encoding
GB2312把JAVA源文件编译成CLASS文件
|
E4 B8 AD E6 96 87 (UTF)
|
3
|
运行时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码
|
4E 2D 65 87 (Unicode)
|
4
|
根据Servlet-charset=
GB2312把Unicode转化为字节流
|
D6 D0 CE C4 (GB2312)
|
5
|
把字节流输出到IE中并设置IE的编码属性为Servlet-charset=GB2312
|
D6 D0 CE C4 (GB2312)
|
6
|
IE用“简体中文”查看结果
|
“中文”(正确显示)
|
如果<Compile-charset>=
ISO8859-1,<Servlet-charset>=
ISO8859-1
表8 Compile-charset=Servlet-charset=ISO8859-1时的变化过程
序号
|
步骤说明
|
结果
|
1
|
编写Servlet源文件,且存为GB2312格式
|
D6 D0 CE C4
(D6D0=中 CEC4=文)
|
2
|
用javac –encoding
ISO8859-1把JAVA源文件编译成CLASS文件
|
C3 96 C3 90 C3 8E C3 84 (UTF)
|
3
|
运行时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码
|
00 D6 00 D0 00 CE 00 C4
(啥都不是!!!)
|
4
|
根据Servlet-charset=
ISO8859-1把Unicode转化为字节流
|
D6 D0 CE C4
|
5
|
把字节流输出到IE中并设置IE的编码属性为Servlet-charset=ISO8859-1
|
D6 D0 CE C4 (GB2312)
|
6
|
IE用“西欧字符”查看结果
|
乱码(原因同表
5
)
|
7
|
改变IE的页面编码为“简体中文”
|
“中文”(正确显示)
|
如果不指定Compile-charset
或Servlet-charset
,其默认值均为ISO8859-1
。
当Compile-charset=Servlet-charset时,第2步和第4步能互逆,“抵消”,显示结果均能正确。读者可试着写一下Compile-charset<>Servlet-charset时的情况,肯定是不正确的。