有关字符编码（Java平台）

需要注意编码格式的地方有很多，好多默认的编码格式也都是不统一的，如果设置不当，就容易出现中文乱码现象。

 

• 关于编辑器的编码：

1. 用记事本和Eclipse编辑保存的文件，默认都是操作系统的编码，即GBK。
   Eclipse比较牛，它可以根据你在具体文件中设置的encoding来自动更改文件保存的编码，例如，可以在文件中设置JSP、XML、HTML的编码格式，那么Eclipse在保存时就会使用相应的编码格式。
2. 如果没有在文件中设置encoding，那就保存成默认的GBK，例如，你在Eclipse中编写的“.txt”、“.java”默认都是GBK编码的。

 

•  关于Java的编码：

1. Java内部字符串String用得都是Unicode编码，所以Java内部的字符串可以说是没有编码的。
2. 但是Java平台是有编码的，编码是操作系统的默认编码，即GBK。也就是说，Java在编译“.java”时，会默认认为“.java”是GBK编码的。当然，可以手动指定编译时使用的编码，这里就不提了。
3. Java编译出的“.class”都是UTF-8编码的。Java能正确地完成“.java”到“.class”的编码格式转换，但前提是一定要让Java知道“.java”的正确编码格式。例如，如果你的“.java”不是默认的GBK编码，而是UTF-8编码的，而Java默认却认为是GBK的，那么编译完运行时，中文就显示乱码了，因为Java没能知道“.java”的正确编码格式。

 

• 关于Java IO的编码：

1. 方法InputStreamReader可以指定用什么编码格式来将读取到的字节流转换成字符，如果方法中指定的编码格式与字节流的实际编码格式不一致，则会出现乱码。
   写文件时也是同样的道理。例如，对于方法OutputStreamWriter来说，如果把写文件时的编码格式设置成UTF-8，将数据写到“.txt”中，那么当我们用记事本查看这个文件时，由于记事本默认用的是操作系统的GBK编码格式，那么打开后看到的就是乱码了。
2. 而方法BufferedReader、BufferedWriter采用的是Java的默认编码格式，即操作系统的编码，即GBK，不能手动设置方法编码格式。

 

• 关于JSP的编码：

1. pageEncoding是JSP文件本身的编码，JSP文件不像“.java”，“.java”在被编译器读入的时候默认采用的是操作系统的编码格式。
   contentType的charset是指服务器发送给客户端时的内容的编码。
   pageEncoding和contentType的charset的预设都是ISO8859-1（Latin-1），所以要自己手动设置。
2. JSP要经过两次的“编码”，第一阶段会用pageEncoding，第二阶段会用UTF-8到Unicode，第三阶段是由Tomcat输出来的网页， 会用contentType。
   第一阶段是JSP编译成“.java”，它会根据pageEncoding的设置读取JSP，结果是由pageEncoding指定的编码方案翻译成UTF-8编码的“.java”，如果pageEncoding设定错了，出来的就是乱码。
   第二阶段是“.java”到“.class”的编译，这个阶段是UTF-8到Unicode。
   第三阶段是Tomcat载入和执行阶段二来的Java二进制码，输出的结果，也就是在客户端见到的。这个阶段contentType的charset起作用。
3. 在Servlet中的doPost或doGet方法的开始处可以使用request.setCharacterEncoding("utf-8");和response.setCharacterEncoding("utf-8");来设置编码格式。

 

• 关于Tomcat的编码：

1. Tomcat的默认编码是ISO-8859-1（Latin-1），一个汉字占用两个字节。所以在页面数据传递过程中，必须手动设定容器编码格式，否则会出现乱码。
2. 在Tomcat的“server.xml”中的Connector标签里面可以设置2个参数，用来更改编码格式：
   （1）useBodyEncodingForURI="true"这个参数告诉Tomcat用页面的编码格式（即属性contentType中的charset值）去处理POST，推荐使用。
   （2）URIEncoding="utf-8"这个参数是强制指定编码格式为UTF-8，有点狠。

 

• 关于MySQL的编码：

1. MySQL的默认编码是ISO-8859-1（Latin-1），可以修改。
2. 在“my.ini”中有两个地方要设置：
   （1）default-character-set这个参数告诉MySQL，客户端连接到数据库时，传过来的数据所使用的编码格式，如果这里设置的编码格式和页面内容的实际编码格式不一致，那么MySQL会错误地对传过来的数据进行解码，到时候把这些数据存储到数据库中时就是乱码了。
   （2）character-set-server这个参数是数据库中存储的数据所使用的编码格式。
3. 最好在连接数据库用的URL中也指定连接的编码格式，例如useUnicode=true;characterEncoding=utf-8。