java字符编码

     近来在看java的字符编码，有过Java web编程经验的人应该都知道，Java国际化的编码问题对菜鸟一直是个噩梦，经常一不小心又一堆乱码跑出来，而你还一头雾水，甚至统一用某种编码格式了（比如UTF-8），还是会乱码，而且是一个页面内有些乱码有些正常，让人痛不欲生。网上相关文章也不少了，这里主要说一下自己对字符编码（不仅仅是Java）的理解，如有错误，恳请高手指正
     下面的内容参考张孝祥的《深入体验Java web开发内幕——核心基础》，这里顺便宣传一下，的确是一本好书，内容很详细，不是随便拼凑而是作者的经验之谈，适合有空的初学者，对打好扎实的web编程基础很有好处。
     首先，一句简单的 String s = "中国"，对Java来说，就是以UNICODE格式存放在内存中（Java的内置编码格式统一为Unicode），用十六进制就是 4e2d 56fd，因为每个中文在unicode下是两个字节。再来一句：byte[] gb = s.getBytes("gb2312")，那么这个gb数组的内容就是 d6d0 b9fa 。我们平时所说的“编码转换”，例如把gb2312的字符转成utf8，其实是根据这两种编码之间的映射关系，改变底层的那些0和1。当你把内存中的字符串输出到本地文件保存时，系统自动把unicode编码转换成你本地的编码格式（中文系统通常是gb2312）；而当你的操作系统要把文件中的这些本质上是0和1的数据，以文字的形式显示在屏幕上时，它首先要知道这一串0和1是什么编码的，然后利用系统中的相应字体文件，把0和1映射成屏幕相应的文字图形，交给显示设备显示。
     所以，如果你把一个原本是以gb2312格式保存在文件中的字符，以其他不兼容的格式显示时，理所当然就会乱码了，就好像把中文的发音硬是按照英文来理解。例如，给你一个byte数组，里面是“中国”的gb2312编码，然后你以“ISO8859-1”的格式（用于拉丁字符，一个字符对应一个字节，不支持中文）读取，就会把“d6”当成一个拉丁字符，再把“d0”当成一个字符，如此类推，最后总共得到四个字符，而且显示出来全部乱码。而且，在Java中，“把一个gb2312的字符串以ISO格式读取”，意思是把该字符串当作是iso格式的，然后一个个字符转换成unicode编码，保存回内存中，所以，上面的“中国”，最后以iso格式读入时，保存在内存中的十六进制实际上是：“00d6 00d0 00b9 00fa”。这是因为系统把“d6”这个字节，当成一个iso字符，而iso转换成unicode只要在前面加上一个“00”的字节就可以了，其他的也是同样道理。
     对于转换错误的字符，要改回正确的，应该如何处理呢？因为字符编码直接的转换是可逆的，所以我们把上面的“00d6 00d0 00b9 00fa”，从unicode转回iso去，得到d6d0 b9fa，再把它按照gb2312进行读取，重新保存成“4e2d 56fd”这个正确的“中国”的unicode编码
     以上只是说了字符编码的一些基本内容，在实际使用中，还有很多地方会影响编码，比如servlet中request和response都可以设置编码类型，这将影响输入和输出的字符格式；而如果用到forward或者redirect时，对于字符编码的设置又有很多细节方面的不同；而在客户端这边，浏览器的编码设置既可以影响浏览网页的效果，也可以影响提交的数据的编码格式（比如以get模式提交的内容格式就和浏览器的编码设置有关）；同时，html文件中contentType属性，还有meta标签的内容，均会对浏览效果有影响