最近做项目的时候,有时会遇到中文乱码的问题,网上查询了很多资料,发现大多都是只讲解决方案,并没有讲到为什么要使用这种方案,这种方案的原理是什么?
最典型的就是连接数据库的URL,我们一般把它放到classpath下的db.properties中,然后尽管我们的java代码设置了UTF-8,JSP也设置了UTF-8,数据库也设置了UTF-8,但是插入数据到数据库中仍然会出现中文乱码,最后我们的解决方案是在连接数据库的URL上加上连接使用的编码格式UTF-8,但是我们会纳闷为什么要这么做呢?
下面我们来聊下java编码的问题,为什么要编码,有哪些编码,怎么编码和解码,为什么会有中文乱码,怎么解决中文乱码。
1.为什么要编码
这个问题必须要回到计算机是如何表示我们人类能够理解的符号的,这些符号也就是我们人类使用的语言。由于人类的语言太多,因而表示这些语言的符号太多,无法使用计算机中一个基本的存储单元---byte来表示,因而必须要经过拆分或一些翻译工作,才能让计算机理解我们的语言。我们可以把计算机能够理解的语言假定为英语,其他语言要能够在计算机中使用必须经过一次翻译,把它翻译成英语。这个翻译的过程就是 编码。
所以总的来说,编码的原因可以总结为:计算机中存储信息的最小单元是一个字节,即8个bit,所以能表示的字符范围是0-255个;人类要表示的符号太多,无法用一个字节来完全表示。
要解决这个矛盾必须要有一个新的数据结构char,从char到byte必须编码。
2.常见的编码
明白了各种语言需要交流,经过翻译是必须的,那么又如何来翻译呢?计算机中提供了多种翻译方式,常见的右ASCII,ISO-8859-1,GB2312,GBK,UTF-8,UTF-16等。他们可以被看做字典,他们规定了转化的规则,按照这个规则可以让计算机正确地标识我们的字符。目前的编码格式很多,如GB2312,GBK,UTF-8,UTF-16都可以标识一个汉字,那我们到底选择哪种编码格式来存储汉字呢?这就要考虑其他因素呢,是存储空间重要还是编码的效率重要。
3.怎么编码,解码
以String为例,代码如下:
String s="这是一段中文字符串";byte[] b=s.getBytes("UTF-8");
String n=new String(b,"UTF-8");
编码的用途:把我们用户能够认识的语言转化为计算机能够认识的语言,一般用在传输或者存储时,也就是涉及到计算机的操作而不是针对用户而言。
解码:把字节码解释为我们用户能够认识的语言。
4.为什么有中文乱码
第一种情况:使用不能识别中文的字符集来编码,这种情况比较少见
第二种情况,使用一种字符集来编码,却用另一种字符集来解码,这种比较多见,比如,java代码采用UTF-8编码,但是访问数据库的时候,数据库采用GBK来解码,这就会出现中文乱码。
Charset使用
Charset charset=Charset.forName("UTF-8");
ByteBuffer byteBuffer=charset.encode(string);
CharBuffer charBuffer=charset.decode(byteBuffer);
5.java中怎么编解码
String name="I am 小明";
toHex(name.toCharArray());
try{byte[] iso8859=name.getBytes("ISO-8859-1");
toHex(iso8859);byte[] gb2312=name.getBytes("GB2312");
toHex(gb2312);byte[] gbk=name.getBytes("GBK");
toHex(gbk);
}
String str="小米";byte[] b=str.getBytes("UTF-8");
public byte[] getBytes(String charsetName)
throws UnsupportedEncodingException {if (charsetName == null) throw newNullPointerException();return StringCoding.encode(charsetName, value, 0, value.length);
}
static byte[] encode(String charsetName, char[] ca, int off, intlen)
throws UnsupportedEncodingException
{
StringEncoder se=deref(encoder);
String csn= (charsetName == null) ? "ISO-8859-1": charsetName;if ((se == null) || !(csn.equals(se.requestedCharsetName())||csn.equals(se.charsetName()))) {
se= null;try{
Charset cs= lookupCharset(csn); //生成字符集实例
if (cs != null)
se= newStringEncoder(cs, csn);
}catch(IllegalCharsetNameException x) {}if (se == null)throw newUnsupportedEncodingException (csn);set(encoder, se);
}returnse.encode(ca, off, len);
}
private staticCharset lookupCharset(String csn) {if(Charset.isSupported(csn)) {try{returnCharset.forName(csn);
}catch(UnsupportedCharsetException x) {throw newError(x);
}
}return null;
}
privateStringEncoder(Charset cs, String rcn) {this.requestedCharsetName =rcn;this.cs =cs;this.ce =cs.newEncoder()
.onMalformedInput(CodingErrorAction.REPLACE)
.onUnmappableCharacter(CodingErrorAction.REPLACE);this.isTrusted = (cs.getClass().getClassLoader0() == null);
}