Web乱码与字符集的理解 |

问：
Web乱码与字符集的理解

小生最近学习Servlet和JSP处理中文时常常碰到乱码，所以在网上找了许多有关字符集方面的资料学习，但总觉得一知半懂，所以想得到前辈

们指教，以下是我的理解：

磁盘上件的存储形式：所有文件的储存是都是字节（byte）的储存，在磁盘上保留的并不是文件的字符而是先把字符编码成字节，再储存这些

字节到磁盘。在读取文件（特别是文本文件）时，也是一个字节一个字节地读取以形成字节序列.

字符编码(encoding)就是把字符按照某种映射标准（字符集）转换成字节。例如打开一个空记事本，然后在记事本中写入"hello world"--〉另

存为(默认的ASICC字符集)--->asc.txt ， 这时asc.txt就以ASCII编码的字节序列存储在磁盘上，如果要读这个文件，也就是将这个字节序列

按照原字符集转换成字符串(解码:decoding)，所以处理好编码<=>字符集<=>解码就是关键.

字符集就像棋盘，每个字符（棋子）用一个棋格（字节）映射。
ISO8859:8位的字符集，0~0x7F仍与ASCII字符集保持兼容，大于0x7F的是各种拉丁字符或欧洲字符的扩展。
GB2312: 8位的字符集，如果当前字节(8 bit)小于0X80，则仍当它为英文字符与(ASCII兼容)；如果它大于等于0x80，则它和紧接着它的下一个

字节构成一个汉字字符，这样，GB2312字符集可包含大约4000多个常用简体汉字和其他汉字中的特殊符号（如①㈠之类）。
GBK:GB2312的扩展集，和GB2312兼容.
Unicode: 16位的字符集,Unicode的主要目标是提供一个“通用字符集”。
UTF-8: Unicode的使用、存储与传输，都极其浪费空间，所以在此基础上出现了UTF-8字符编码的规范，在UTF-8中，属于US-ASCII中的字符，

仍用一个字节表示，且和US-ASCII兼容，编码其他的字符，则用1（大于0x7F部分）到3个字节. (编码中文用3个字节)

JVM编译器使用系统默认的字符集encoding/decoding.我的系统为win2000Server 默认字符集为GBK。编译过程如下
1.javac Test.java ===>编译器实际上执行了 javac -encoding GBK Test.java
2.在类装载器中加载这个Test.class文件，编译器再用GBK字符集解读这个Test.class

Java可以让你按自定义字符集编码你的文件,如下列

Utf.java
public class Utf {
  public static void main(String [] args)
    throws Exception
  {
    String s = "你好";
    byte[] bytelist = s.getBytes("UTF-8");
  }
}
..
javac Utf.java // 这时，在类文件Utf.class中，bytelist存储的是一块UTF-8编码"你好"的字节序列,而其他部分仍然是GBK编码的字节.
现在再加上对这些字节解码的过程
public class Utf {
  public static void main(String [] args)
    throws Exception
  {
    String s = "你好";
    byte[] bytelist = s.getBytes("UTF-8");
    //解码
    String decodingString = new String(bytelist,"UTF-8");
    //正确的读出这些UFT-8字符集编码的字节
    System.out.println(decodingString);
  }
}

现在讲JSP,Servlet了.
他们归根到底都是 xxx.class文件，所以我们抓住他们的编译器编码方式和上例 bytelist那样的字节序列就OK了.
以下是一个 JSP-Servlet-java Bean - JDBC 的实例.

  JSP文件的编码解码过程如下(jsp引擎采用UTF-8 encoding/decoding):

           JSP引擎(UTF-8)                         Servlet引擎(UTF-8)
  xxx.jsp -----------------> xxx$jsp.java(UTF-8) -----------------------> xxx.class
        
 1.在 xxx$jsp.java(UTF-8) ---> xxx.class 这一部分，Servlet编译器会正确的用 UTF-8来解读，所以我们可以不用管,
 2.而关键在xxx.jsp这里，我们应该告诉jsp引擎某个区域的字符串用GB2312或GBK、UTF编码.
  <%@ page pageEncoding="gb2312" %>
 3.这样你所提交的表单实体数据就用gb2312编码了,数据提交到Servlet中,Servlet用gb2312来解读这些数据就可以正确的给bean了.
  //将接受到的数据以GB2312字符集进行编码
  req.setCharacterEncoding("GB2312");
  //输出的信息以GB2312字符集编码,如果数据主要由Bean处理,charset=GB2312要不要都无所谓
  res.setContentType("text/html;charset=GB2312");
 
  因为servlet解码使用ISO-8859-1字符集, 这里setCharacterEncoding("GB2312")完成的功能其实就是一个转码过程，如果传来一个表单数据

为gb2312编码的"你好", 它处理的就是 
  byte[] bytelist = s.getByte("ISO-8859-1");
  s = new String(bytelist,"GB2312");
后边一般没什么问题了 
 
完，思绪乱了~~^^ ，以上理解是否正确？