這篇文章將為大家詳細(xì)講解有關(guān)Java中文問題的示例分析，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。
我來說一下tomcat如何實(shí)現(xiàn)JSP的你就明白了。
預(yù)備知識(shí)：
1.字節(jié)和unicode
Java內(nèi)核是unicode的，就連class文件也是，但是很多媒體，包括文件/流的保存方式
是使用字節(jié)流的。 因此Java要對(duì)這些字節(jié)流經(jīng)行轉(zhuǎn)化。char是unicode的，而byte是字節(jié).
Java中byte/char互轉(zhuǎn)的函數(shù)在sun.io的包中間有。其中ByteToCharConverter類是中調(diào)度，
可以用來告訴你，你用的Convertor。其中兩個(gè)很常用的靜態(tài)函數(shù)是
public static ByteToCharConverter getDefault() ;
public static ByteToCharConverter getConverter(String encoding);
如果你不指定converter，則系統(tǒng)會(huì)自動(dòng)使用當(dāng)前的Encoding,GB平臺(tái)上用GBK,EN平臺(tái)上用
8859_1
我們來就一個(gè)簡(jiǎn)單的例子：
"你"的gb碼是：0xC4E3 ,unicode是0x4F60
你用:
--encoding="gb2312";
--byte b[]={(byte)'u00c4',(byte)'u00E3'};
--convertor=ByteToCharConverter.getConverter(encoding);
--char [] c=converter.convertAll(b);
--for(int i=0;i
-- System.out.println(Integer.toHexString(c[i]));
--}
--打印出來是0x4F60
--但是如果使用8859_1的編碼，打印出來是
--0x00C4,0x00E3
----例１
反過來：
--encoding="gb2312";
char c[]={'u4F60'};
convertor=ByteToCharConverter.getConverter(encoding);
--byte [] b=converter.convertAll(c);
--for(int i=0;i
-- System.out.println(Integer.toHexString(b[i]));
--}
--打印出來是：0xC4,0xE3
----例２
--如果用8859_1就是0x3F，?號(hào)，表示無法轉(zhuǎn)化 --
很多中文問題就是從這兩個(gè)最簡(jiǎn)單的類派生出來的。而卻有很多類
不直接支持把Encoding輸入，這給我們帶來諸多不便。很多程序難得用encoding
了，直接用default的encoding，這就給我們移植帶來了很多困難
--
2.UTF-8
--UTF-8是和Unicode一一對(duì)應(yīng)的，其實(shí)現(xiàn)很簡(jiǎn)單
--
-- 7位的Unicode: 0 _ _ _ _ _ _ _
--11位的Unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _
--16位的Unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
--21位的Unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
--大多數(shù)情況是只使用到16位以下的Unicode:
--"你"的gb碼是：0xC4E3 ,unicode是0x4F60
--我們還是用上面的例子
-- --例１：0xC4E3的二進(jìn)制：
-- -- 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1
-- -- 由于只有兩位我們按照兩位的編碼來排，但是我們發(fā)現(xiàn)這行不通，
-- -- 因?yàn)榈冢肺徊皇?因此，返回"?"
-- --
-- --例２：0x4F60的二進(jìn)制：
-- -- 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0
-- -- 我們用UTF-8補(bǔ)齊，變成：
-- -- 11100100 10111101 10100000
-- -- E4--BD-- A0
-- -- 于是返回0xE4,0xBD,0xA0
-- --
3.String和byte[]
--String其實(shí)核心是char[],然而要把byte轉(zhuǎn)化成String，必須經(jīng)過編碼。
--String.length()其實(shí)就是char數(shù)組的長(zhǎng)度，如果使用不同的編碼，很可
--能會(huì)錯(cuò)分，造成散字和亂碼。
--例：
----byte [] b={(byte)'u00c4',(byte)'u00e3'};
----String str=new String(b,encoding); ----
----如果encoding=8859_1，會(huì)有兩個(gè)字，但是encoding=gb2312只有一個(gè)字 ----
--這個(gè)問題在處理分頁是經(jīng)常發(fā)生
4.Reader,Writer/InputStream,OutputStream
--Reader和Writer核心是char，InputStream和OutputStream核心是byte。
--但是Reader和Writer的主要目的是要把Char讀/寫InputStream/OutputStream
--一個(gè)reader的例子：
--文件test.txt只有一個(gè)"你"字，0xC4,0xE3--
--String encoding=;
--InputStreamReader reader=new InputStreamReader(
----new FileInputStream("text.txt"),encoding);
--char []c=new char[10];
--int length=reader.read(c);
--for(int i=0;i
--如果encoding是gb2312，則只有一個(gè)字符，如果encoding=8859_1，則有兩個(gè)字符
--------
--
--
----
2.我們要對(duì)Java的編譯器有所了解：
--javac -encoding
我們常常沒有用到ENCODING這個(gè)參數(shù)。其實(shí)Encoding這個(gè)參數(shù)對(duì)于跨平臺(tái)的操作是很重要的。
如果沒有指定Encoding，則按照系統(tǒng)的默認(rèn)Encoding,gb平臺(tái)上是gb2312，英文平臺(tái)上是ISO8859_1?！?br/> --Java的編譯器實(shí)際上是調(diào)用sun.tools.javac.Main的類，對(duì)文件進(jìn)行編譯，這個(gè)類 --
有compile函數(shù)中間有一個(gè)encoding的變量,-encoding的參數(shù)其實(shí)直接傳給encoding變量。
編譯器就是根據(jù)這個(gè)變量來讀取java文件的，然后把用UTF-8形式編譯成class文件。
一個(gè)例子：
--public void test()
--{
----String str="你";
----FileWriter write=new FileWriter("test.txt");
----write.write(str);
----write.close();
--}
----例３
--如果用gb2312編譯，你會(huì)找到E4 BD A0的字段
--
--如果用8859_1編譯，
--00C4 00E3的二進(jìn)制：
--00000000 11000100 00000000 11100011--
--因?yàn)槊總€(gè)字符都大于7位，因此用11位編碼：
--11000001 10000100 11000011 10100011
--C1-- 84-- C3-- A3
--你會(huì)找到C1 84 C3 A3 --
但是我們往往忽略掉這個(gè)參數(shù)，因此這樣往往會(huì)有跨平臺(tái)的問題：
-- 例３在中文平臺(tái)上編譯，生成ZhClass
-- 例３在英文平臺(tái)上編譯，輸出EnClass
--1. ZhClass在中文平臺(tái)上執(zhí)行OK,但是在英文平臺(tái)上不行
--2. EnClass在英文平臺(tái)上執(zhí)行OK,但是在中文平臺(tái)上不行
原因：
--1.在中文平臺(tái)上編譯后，其實(shí)str在運(yùn)行態(tài)的char[]是0x4F60, ----
--在中文平臺(tái)上運(yùn)行，F(xiàn)ileWriter的缺省編碼是gb2312,因此
--CharToByteConverter會(huì)自動(dòng)用調(diào)用gb2312的converter,把str轉(zhuǎn)化
--成byte輸入到FileOutputStream中，于是0xC4,0xE3放進(jìn)了文件。
--但是如果是在英文平臺(tái)下，CharToByteConverter的缺省值是8859_1,
--FileWriter會(huì)自動(dòng)調(diào)用8859_1去轉(zhuǎn)化str,但是他無法解釋，因此他會(huì)
--輸出"?" ----
--2. 在英文平臺(tái)上編譯后，其實(shí)str在運(yùn)行態(tài)的char[]是0x00C4 0x00E3, ----
--在中文平臺(tái)上運(yùn)行，中文無法識(shí)別，因此會(huì)出現(xiàn)??
-- 在英文平臺(tái)上，0x00C4-->0xC4,0x00E3->0xE3，因此0xC4,0xE3被放進(jìn)了
--文件
----
1.對(duì)于JSP正文的解釋：
--Tomcat首先看一下你的葉面中有沒有"<%@page include的符號(hào)。有，則在相同
--地方設(shè)定response.setContentType(..);按照encoding的來讀，沒有他按照8859_1
--讀取文件，然后用UTF-8寫成.java文件，然后用sun.tools.Main去讀取這個(gè)文件，
--（當(dāng)然它使用UTF-8去讀），然后編譯成class文件
--setContentType改變的是out的屬性，out變量缺省的encoding是8859_1
2.對(duì)Parameter的解釋
--很不幸Parameter只有ISO8859_1的解釋，這個(gè)質(zhì)料可以在servlet的實(shí)現(xiàn)代碼中找到。
3.對(duì)include的解釋
格式的，但是很不幸，由于那個(gè)寫"org.apache.jASPer.compiler.Parser"的人
在數(shù)組JspUtil.ValidAttribute[]忘記加了一個(gè)參數(shù)：encoding,因此導(dǎo)致不支
持這種方式。你完全可以編譯源代碼，加上對(duì)encoding的支持
總結(jié)：
如果你在NT底下，最簡(jiǎn)單的方法就是欺騙java,不加任何Encoding變量：
你好<%=request.getparameter("value")%>
http://localhost/test/test.jsp?value=你
結(jié)果:你好你
但這種方法局限性較大，比如對(duì)上傳的文章分段，這樣的做法是死定的，最好的
解決方案是用這種方案：
<%@ page="" contenttype="text/html;charset=gb2312">
你好<%=new>
關(guān)于“Java中文問題的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。
重慶分公司
重慶分公司
