java中的编码

编码方式规定了语言的最小单位用什么二进行制数字来表示，比如“UTF-8”编码中就有规定一个汉字用3个字节来表示，以及每个汉字对应哪3个字节。

java中的String是用来表示多国语言的，java支持的语言在对应的编码方式下都能找到相应的byte数字表示，但并不是任意的byte（或byte数组）都能对应到一个字--即使尝试所有的编码方式。String一定是有编码方式的，但文件不一定有，比如二进制文件。

Java中的编码方式一共有7种：

1、US-ASCII。7位ASCII字符，也叫作ISO646-US、Unicode字符集的基本拉丁块
2、ISO-8859-1。 ISO 拉丁字母表 No.1，也叫作 ISO-LATIN-1。
3、UTF-8。8 位 UCS 转换格式。
4、UTF-16BE。16 位 UCS 转换格式，Big Endian（最低地址存放高位字节）字节顺序。
5、UTF-16LE。16 位 UCS 转换格式，Little-endian（最高地址存放低位字节）字节顺序。
6、UTF-16。16 位 UCS 转换格式，字节顺序由可选的字节顺序标记来标识。
7、GBK。中文超大字符集。

java中的String默认的编码方式因机器而异，获取机器默认的编码方式用System.getProperty("file.encoding")。在我的机器上System.getProperty("file.encoding")的值为UTF-8，UTF-8和unicode是一一对应的。

        String str="13陵";
        byte[] arr=str.getBytes();
        for(byte b:arr){
            System.out.print(b+"\t");
        }
        System.out.println();

输出：49   51   -23 -103   -75

1对应49，3对应51，汉字“陵”对应3个字节：-23 -103  -75，这说明了str是按Unicode编码的。

当使用String.getBytes(String encoding)由字符串获得byte数组时，encoding指出希望以何种编码方式把String表示成byte[]，不指定encoding时采用JDK默认的编码方式。

        String str="13京陵";
        byte[] arr=str.getBytes("ISO-8859-1");
        for(byte b:arr){
            System.out.print(b+"\t");
        }
        System.out.println();

输出：49   51 63 63

如果采用ISO-8859-1编码，所有汉字都用一个字节来表示，并且都是63。"?"的ASCII码刚好是63，因此国外的一些程序在国内中文环境下运行时经常出现乱码，上面布满了"?"。

当使用String(byte[] bytes, String encoding)构造字符串时，encoding所指的是bytes中的数据是按照那种方式编码的，而不是最后产生的String是什么编码方式。不指定encoding时采用JDK默认的编码方式。

        String str="13陵";
        byte[] arr=str.getBytes();
        String str2=new String(arr,"GBK");
        System.out.println(str2);

输出：13闄�

byte数组arr本来是按UTF-8编码，非要以"GBK"去读它，当然导致构建出来的String是乱码。GBK一个汉字用2个字节表示。

可以通过以下方式对String的编码方式进行转换：

        String str_utf8="13京陵";     //用UTF-8编码的String
        byte[] arr=str_utf8.getBytes("GBK");        //表示成用GBK编码的byte数组
        String str_gbk=new String(arr,"GBK");       //再由byte数组来构建字符串
        System.out.println(str_gbk);

输出：13京陵

对字符文件，这些文件是有编码方式的，可以用字符流（当然也可以用字节流）来读取，Java字符流都是Reader和Writer的子类，比如你使用InputStreamReader读取字符文件时，需要给InputStreamReader的构造函数传一个参数来指明文件编码方式，如果不写这个参数，则采用JDK默认的编码方式。

使用javac命令的时候需要指定java源文件的编码方式:javac  -encoding  "GBK"  Test.java

对于一些二进制文件（比如加密后的文件）就只能用字节流进行读写了。

MySQl不支持Unicode，需要在连接字符串中指定编码方式为gb2312.

String connStr="jdbc:mysql://localhost/test?useUnicode=true&characterEncoding=gb2312";

在Servlet开头加上两句：
response.setContentType("text/html;charset=UTF-8");
request.setChracterEncoding("UTF-8");
从HttpRequest中读参数时，利用reqeust.setCharacterEncoding()方法设置编码方式，读出的内容就是正确的了。

更多有关中文乱码或Java Web中涉及到的编码问题请参阅：http://www.ibm.com/developerworks/cn/java/j-lo-chinesecoding/