📄 0036.htm
字号:
<html>
<head>
<title>新时代软件教程:操作系统 主页制作 服务器 设计软件 网络技术 编程语言 文字编辑</title>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<style>
<!--
body, table {font-size: 9pt; font-family: 宋体}
a {text-decoration:none}
a:hover {color: red;text-decoration:underline}
.1 {background-color: rgb(245,245,245)}
-->
</style>
</head>
<p align="center"><script src="../../1.js"></script></a>
<p align="center"><big><strong>Java中文问题详解</strong></big></p>
<div align="right">---（文/blackwhites）</div>
<p>
我来说一下tomcat如何实现JSP的你就明白了。<br>
预备知识：<br>
1.字节和unicode<br>
Java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式<br>
是使用字节流的。 因此Java要对这些字节流经行转化。char是unicode的，而byte是字节.<br>
Java中byte/char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，<br>
可以用来告诉你，你用的Convertor。其中两个很常用的静态函数是<br>
public static ByteToCharConverter getDefault() ;<br>
public static ByteToCharConverter getConverter(String encoding);<br>
如果你不指定converter，则系统会自动使用当前的Encoding,GB平台上用GBK,EN平台上用<br>
8859_1<br>
<br>
我们来就一个简单的例子：<br>
"你"的gb码是：0xC4E3 ,unicode是0x4F60<br>
你用:<br>
--encoding="gb2312";<br>
--byte b[]={(byte)'\u00c4',(byte)'\u00E3'};<br>
--convertor=ByteToCharConverter.getConverter(encoding);<br>
--char [] c=converter.convertAll(b);<br>
--for(int i=0;i<c.length;c++)<br>
--{<br>
-- System.out.println(Integer.toHexString(c[i]));<br>
--}<br>
--打印出来是0x4F60<br>
--但是如果使用8859_1的编码，打印出来是<br>
--0x00C4,0x00E3<br>
----例１<br>
反过来：<br>
--encoding="gb2312";<br>
char c[]={'\u4F60'};<br>
convertor=ByteToCharConverter.getConverter(encoding);<br>
--byte [] b=converter.convertAll(c);<br>
--for(int i=0;i<b.length;c++)<br>
--{<br>
-- System.out.println(Integer.toHexString(b[i]));<br>
--}<br>
--打印出来是：0xC4,0xE3<br>
----例２<br>
--如果用8859_1就是0x3F，?号，表示无法转化 --<br>
很多中文问题就是从这两个最简单的类派生出来的。而却有很多类 <br>
不直接支持把Encoding输入，这给我们带来诸多不便。很多程序难得用encoding<br>
了，直接用default的encoding，这就给我们移植带来了很多困难<br>
--<br>
2.UTF-8<br>
--UTF-8是和Unicode一一对应的，其实现很简单<br>
--<br>
-- 7位的Unicode: 0 _ _ _ _ _ _ _<br>
--11位的Unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _<br>
--16位的Unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _<br>
--21位的Unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _<br>
--大多数情况是只使用到16位以下的Unicode:<br>
--"你"的gb码是：0xC4E3 ,unicode是0x4F60<br>
--我们还是用上面的例子<br>
-- --例１：0xC4E3的二进制：<br>
-- -- 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1<br>
-- -- 由于只有两位我们按照两位的编码来排，但是我们发现这行不通，<br>
-- -- 因为第７位不是0因此，返回"?"<br>
-- -- <br>
-- --例２：0x4F60的二进制：<br>
-- -- 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0 <br>
-- -- 我们用UTF-8补齐，变成：<br>
-- -- 11100100 10111101 10100000<br>
-- -- E4--BD-- A0<br>
-- -- 于是返回0xE4,0xBD,0xA0<br>
-- --<br>
3.String和byte[]<br>
--String其实核心是char[],然而要把byte转化成String，必须经过编码。<br>
--String.length()其实就是char数组的长度，如果使用不同的编码，很可<br>
--能会错分，造成散字和乱码。<br>
--例：<br>
----byte [] b={(byte)'\u00c4',(byte)'\u00e3'};<br>
----String str=new String(b,encoding); ----<br>
----如果encoding=8859_1，会有两个字，但是encoding=gb2312只有一个字 ----<br>
--这个问题在处理分页是经常发生<br>
4.Reader,Writer/InputStream,OutputStream<br>
--Reader和Writer核心是char，InputStream和OutputStream核心是byte。<br>
--但是Reader和Writer的主要目的是要把Char读/写InputStream/OutputStream<br>
--一个reader的例子：<br>
--文件test.txt只有一个"你"字，0xC4,0xE3--<br>
--String encoding=;<br>
--InputStreamReader reader=new InputStreamReader(<br>
----new FileInputStream("text.txt"),encoding);<br>
--char []c=new char[10];<br>
--int length=reader.read(c);<br>
--for(int i=0;i<c.length;i++)<br>
----System.out.println(c[i]);<br>
--如果encoding是gb2312，则只有一个字符，如果encoding=8859_1，则有两个字符<br>
--------<br>
--<br>
--<br>
<br>
----<br>
2.我们要对Java的编译器有所了解：<br>
--javac -encoding<br>
我们常常没有用到ENCODING这个参数。其实Encoding这个参数对于跨平台的操作是很重要的。<br>
如果没有指定Encoding，则按照系统的默认Encoding,gb平台上是gb2312，英文平台上是ISO8859_1。 <br>
--Java的编译器实际上是调用sun.tools.javac.Main的类，对文件进行编译，这个类 --<br>
有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。<br>
编译器就是根据这个变量来读取java文件的，然后把用UTF-8形式编译成class文件。<br>
一个例子：<br>
--public void test()<br>
--{<br>
----String str="你";<br>
----FileWriter write=new FileWriter("test.txt");<br>
----write.write(str);<br>
----write.close();<br>
--}<br>
----例３<br>
--如果用gb2312编译，你会找到E4 BD A0的字段<br>
--<br>
--如果用8859_1编译，<br>
--00C4 00E3的二进制：<br>
--00000000 11000100 00000000 11100011--<br>
--因为每个字符都大于7位，因此用11位编码：<br>
--11000001 10000100 11000011 10100011 <br>
--C1-- 84-- C3-- A3<br>
--你会找到C1 84 C3 A3 --<br>
<br>
但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：<br>
-- 例３在中文平台上编译，生成ZhClass<br>
-- 例３在英文平台上编译，输出EnClass<br>
--1. ZhClass在中文平台上执行OK,但是在英文平台上不行<br>
--2. EnClass在英文平台上执行OK,但是在中文平台上不行<br>
原因：<br>
--1.在中文平台上编译后，其实str在运行态的char[]是0x4F60, ----<br>
--在中文平台上运行，FileWriter的缺省编码是gb2312,因此<br>
--CharToByteConverter会自动用调用gb2312的converter,把str转化<br>
--成byte输入到FileOutputStream中，于是0xC4,0xE3放进了文件。<br>
--但是如果是在英文平台下，CharToByteConverter的缺省值是8859_1,<br>
--FileWriter会自动调用8859_1去转化str,但是他无法解释，因此他会<br>
--输出"?" ----<br>
--2. 在英文平台上编译后，其实str在运行态的char[]是0x00C4 0x00E3, ----<br>
--在中文平台上运行，中文无法识别，因此会出现??<br>
-- 在英文平台上，0x00C4-->0xC4,0x00E3->0xE3，因此0xC4,0xE3被放进了<br>
--文件<br>
----<br>
1.对于JSP正文的解释：<br>
--Tomcat首先看一下你的叶面中有没有"<%@page include的符号。有，则在相同<br>
--地方设定response.setContentType(..);按照encoding的来读，没有他按照8859_1<br>
--读取文件，然后用UTF-8写成.java文件，然后用sun.tools.Main去读取这个文件，<br>
--（当然它使用UTF-8去读），然后编译成class文件<br>
--setContentType改变的是out的属性，out变量缺省的encoding是8859_1<br>
<br>
2.对Parameter的解释<br>
--很不幸Parameter只有ISO8859_1的解释，这个质料可以在servlet的实现代码中找到。<br>
<br>
3.对include的解释<br>
格式的，但是很不幸，由于那个写"org.apache.jasper.compiler.Parser"的人<br>
在数组JspUtil.ValidAttribute[]忘记加了一个参数：encoding,因此导致不支<br>
持这种方式。你完全可以编译源代码，加上对encoding的支持<br>
<br>
总结：<br>
<br>
如果你在NT底下，最简单的方法就是欺骗java,不加任何Encoding变量：<br>
<html><br>
你好<%=request.getParameter("value")%><br>
</html><br>
<br>
http://localhost/test/test.jsp?value=你<br>
<br>
结果:你好你<br>
<br>
但这种方法局限性较大，比如对上传的文章分段，这样的做法是死定的，最好的<br>
解决方案是用这种方案：<br>
<%@ page contentType="text/html;charset=gb2312" %><br>
<html><br>
你好<%=new String(request.getParameter("value").getBytes("8859_1"),"gb2312")%><br>
</html><br>
<br>
</table>
<p align="center"><script src="../../2.js"></script></a>
</body>
</html>⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -