3.5.3. meta設置
成都創(chuàng)新互聯(lián)是網(wǎng)站建設專家,致力于互聯(lián)網(wǎng)品牌建設與網(wǎng)絡營銷，專業(yè)領域包括網(wǎng)站設計制作、成都做網(wǎng)站、電商網(wǎng)站制作開發(fā)、小程序開發(fā)、微信營銷、系統(tǒng)平臺開發(fā)，與其他網(wǎng)站設計及系統(tǒng)開發(fā)公司不同，我們的整合解決方案結合了恒基網(wǎng)絡品牌建設經(jīng)驗和互聯(lián)網(wǎng)整合營銷的理念，并將策略和執(zhí)行緊密結合，且不斷評估并優(yōu)化我們的方案，為客戶提供全方位的互聯(lián)網(wǎng)品牌整合方案！
指定網(wǎng)頁使用的編碼，該設置對靜態(tài)網(wǎng)頁尤其有作用。因為靜態(tài)網(wǎng)頁無法采用jsp的設置，而且也無法執(zhí)行response.setCharacterEncoding()。例如：META http-equiv="Content-Type" content="text/html; charset=GBK" /
如果同時采用了jsp輸出和meta設置兩種編碼指定方式，則jsp指定的優(yōu)先。因為jsp指定的直接體現(xiàn)在response中。
需要注意的是，apache有一個設置可以給無編碼指定的網(wǎng)頁指定編碼，該指定等同于jsp的編碼指定方式，所以會覆蓋靜態(tài)網(wǎng)頁中的meta指定。所以有人建議關閉該設置。
3.5.4. form設置
當瀏覽器提交表單的時候，可以指定相應的編碼。例如：form accept-charset= "gb2312"。一般不必不使用該設置，瀏覽器會直接使用網(wǎng)頁的編碼。
4. 系統(tǒng)軟件
下面討論幾個相關的系統(tǒng)軟件。
4.1. mysql數(shù)據(jù)庫
很明顯，要支持多語言，應該將數(shù)據(jù)庫的編碼設置成utf或者unicode，而utf更適合與存儲。但是，如果中文數(shù)據(jù)中包含的英文字母很少，其實unicode更為適合。
數(shù)據(jù)庫的編碼可以通過mysql的配置文件設置，例如default-character-set=utf8。還可以在數(shù)據(jù)庫鏈接URL中設置，例如： useUnicode=truecharacterEncoding=UTF-8。注意這兩者應該保持一致，在新的sql版本里，在數(shù)據(jù)庫鏈接URL里可以不進行設置，但也不能是錯誤的設置。
4.2. apache
appache和編碼有關的配置在httpd.conf中，例如AddDefaultCharset UTF-8。如前所述，該功能會將所有靜態(tài)頁面的編碼設置為UTF-8，最好關閉該功能。
另外，apache還有單獨的模塊來處理網(wǎng)頁響應頭，其中也可能對編碼進行設置。
4.3. linux默認編碼
這里所說的linux默認編碼，是指運行時的環(huán)境變量。兩個重要的環(huán)境變量是LC_ALL和LANG，默認編碼會影響到java URLEncode的行為，下面有描述。
建議都設置為"zh_CN.UTF-8"。
4.4. 其它
為了支持中文文件名，linux在加載磁盤時應該指定字符集，例如：mount /dev/hda5 /mnt/hda5/ -t ntfs -o iocharset=gb2312。
另外，如前所述，使用GET方法提交的信息不支持request.setCharacterEncoding()，但可以通過tomcat的配置文件指定字符集，在tomcat的server.xml文件中，形如：Connector ... URIEncoding="GBK"/。這種方法將統(tǒng)一設置所有請求，而不能針對具體頁面進行設置，也不一定和browser使用的編碼相同，所以有時候并不是所期望的。
5. URL地址
URL地址中含有中文字符是很麻煩的，前面描述過使用GET方法提交表單的情況，使用GET方法時，參數(shù)就是包含在URL中。
5.1. URL編碼
對于URL中的一些特殊字符，瀏覽器會自動進行編碼。這些字符除了"/?"等外，還包括unicode字符，比如漢子。這時的編碼比較特殊。
IE有一個選項"總是使用UTF-8發(fā)送URL"，當該選項有效時，IE將會對特殊字符進行UTF-8編碼，同時進行URL編碼。如果改選項無效，則使用默認編碼"GBK"，并且不進行URL編碼。但是，對于URL后面的參數(shù)，則總是不進行編碼，相當于UTF-8選項無效。比如"中文.html?a=中文"，當UTF-8選項有效時，將發(fā)送鏈接"%e4%b8%ad%e6%96%87.html?a=\x4e\x2d\x65\x87"；而UTF-8選項無效時，將發(fā)送鏈接"\x4e\x2d\x65\x87.html?a=\x4e\x2d\x65\x87"。注意后者前面的"中文"兩個字只有4個字節(jié)，而前者卻有18個字節(jié)，這主要時URL編碼的原因。
當web server（tomcat）接收到該鏈接時，將會進行URL解碼，即去掉"%"，同時按照ISO8859-1編碼（上面已經(jīng)描述，可以使用URLEncoding來設置成其它編碼）識別。上述例子的結果分別是"\ue4\ub8\uad\ue6\u96\u87.html?a=\u4e\u2d\u65\u87"和"\u4e\u2d\u65\u87.html?a=\u4e\u2d\u65\u87"，注意前者前面的"中文"兩個字恢復成了6個字符。這里用"\u"，表示是unicode。
所以，由于客戶端設置的不同，相同的鏈接，在服務器上得到了不同結果。這個問題不少人都遇到，卻沒有很好的解決辦法。所以有的網(wǎng)站會建議用戶嘗試關閉UTF-8選項。不過，下面會描述一個更好的處理辦法。
5.2. rewrite
熟悉的人都知道，apache有一個功能強大的rewrite模塊，這里不描述其功能。需要說明的是該模塊會自動將URL解碼（去除%），即完成上述web server（tomcat）的部分功能。有相關文檔介紹說可以使用[NE]參數(shù)來關閉該功能，但我試驗并未成功，可能是因為版本（我使用的是apache 2.0.54）問題。另外，當參數(shù)中含有"? "等符號的時候，該功能將導致系統(tǒng)得不到正常結果。
rewrite本身似乎完全是采用字節(jié)處理的方式，而不考慮字符串的編碼，所以不會帶來編碼問題。
5.3. URLEncode.encode()
這是Java本身提供對的URL編碼函數(shù)，完成的工作和上述UTF-8選項有效時瀏覽器所做的工作相似。值得說明的是，java已經(jīng)不贊成不指定編碼來使用該方法（deprecated）。應該在使用的時候增加編碼指定。
當不指定編碼的時候，該方法使用系統(tǒng)默認編碼，這會導致軟件運行結果得不確定。比如對于"中文"，當系統(tǒng)默認編碼為"gb2312"時，結果是"%4e%2d%65%87"，而默認編碼為"UTF-8"，結果卻是"%e4%b8%ad%e6%96%87"，后續(xù)程序將難以處理。另外，這兒說的系統(tǒng)默認編碼是由運行tomcat時的環(huán)境變量LC_ALL和LANG等決定的，曾經(jīng)出現(xiàn)過tomcat重啟后就出現(xiàn)亂碼的問題，最后才郁悶的發(fā)現(xiàn)是因為修改修改了這兩個環(huán)境變量。
建議統(tǒng)一指定為"UTF-8"編碼，可能需要修改相應的程序。
5.4. 一個解決方案
上面說起過，因為瀏覽器設置的不同，對于同一個鏈接，web server收到的是不同內容，而軟件系統(tǒng)有無法知道這中間的區(qū)別，所以這一協(xié)議目前還存在缺陷。
針對具體問題，不應該僥幸認為所有客戶的IE設置都是UTF-8有效的，也不應該粗暴的建議用戶修改IE設置，要知道，用戶不可能去記住每一個web server的設置。所以，接下來的解決辦法就只能是讓自己的程序多一點智能：根據(jù)內容來分析編碼是否UTF-8。
比較幸運的是UTF-8編碼相當有規(guī)律，所以可以通過分析傳輸過來的鏈接內容，來判斷是否是正確的UTF-8字符，如果是，則以UTF-8處理之，如果不是，則使用客戶默認編碼（比如"GBK"），下面是一個判斷是否UTF-8的例子，如果你了解相應規(guī)律，就容易理解。
public static boolean isValidUtf8(byte[] b,int aMaxCount){
int lLen=b.length,lCharCount=0;
for(int i=0;ilLen lCharCountaMaxCount;++lCharCount){
byte lByte=b[i++];//to fast operation, ++ now, ready for the following for(;;)
if(lByte=0) continue;//=0 is normal ascii
if(lByte(byte)0xc0 || lByte(byte)0xfd) return false;
int lCount=lByte(byte)0xfc?5:lByte(byte)0xf8?4
:lByte(byte)0xf0?3:lByte(byte)0xe0?2:1;
if(i+lCountlLen) return false;
for(int j=0;jlCount;++j,++i) if(b[i]=(byte)0xc0) return false;
}
return true;
}
相應地，一個使用上述方法的例子如下：
public static String getUrlParam(String aStr,String aDefaultCharset)
throws UnsupportedEncodingException{
if(aStr==null) return null;
byte[] lBytes=aStr.getBytes("ISO-8859-1");
return new String(lBytes,StringUtil.isValidUtf8(lBytes)?"utf8":aDefaultCharset);
}
不過，該方法也存在缺陷，如下兩方面：
l 沒有包括對用戶默認編碼的識別，這可以根據(jù)請求信息的語言來判斷，但不一定正確，因為我們有時候也會輸入一些韓文，或者其他文字。
l 可能會錯誤判斷UTF-8字符，一個例子是"學習"兩個字，其GBK編碼是" \xd1\xa7\xcf\xb0"，如果使用上述isValidUtf8方法判斷，將返回true?？梢钥紤]使用更嚴格的判斷方法，不過估計效果不大。
有一個例子可以證明google也遇到了上述問題，而且也采用了和上述相似的處理方法，比如，如果在地址欄中輸入";newwindow=1q=學習"，google將無法正確識別，而其他漢字一般能夠正常識別。
最后，應該補充說明一下，如果不使用rewrite規(guī)則，或者通過表單提交數(shù)據(jù)，其實并不一定會遇到上述問題，因為這時可以在提交數(shù)據(jù)時指定希望的編碼。另外，中文文件名確實會帶來問題，應該謹慎使用。
6. 其它
下面描述一些和編碼有關的其他問題。
6.1. SecureCRT
除了瀏覽器和控制臺與編碼有關外，一些客戶端也很有關系。比如在使用SecureCRT連接linux時，應該讓SecureCRT的顯示編碼（不同的session，可以有不同的編碼設置）和linux的編碼環(huán)境變量保持一致。否則看到的一些幫助信息，就可能是亂碼。
另外，mysql有自己的編碼設置，也應該保持和SecureCRT的顯示編碼一致。否則通過SecureCRT執(zhí)行sql語句的時候，可能無法處理中文字符，查詢結果也會出現(xiàn)亂碼。
對于Utf-8文件，很多編輯器（比如記事本）會在文件開頭增加三個不可見的標志字節(jié)，如果作為mysql的輸入文件，則必須要去掉這三個字符。（用linux的vi保存可以去掉這三個字符）。一個有趣的現(xiàn)象是，在中文windows下，創(chuàng)建一個新txt文件，用記事本打開，輸入"連通"兩個字，保存，再打開，你會發(fā)現(xiàn)兩個字沒了，只留下一個小黑點。
6.2. 過濾器
如果需要統(tǒng)一設置編碼，則通過filter進行設置是個不錯的選擇。在filter class中，可以統(tǒng)一為需要的請求或者回應設置編碼。參加上述setCharacterEncoding()。這個類apache已經(jīng)給出了可以直接使用的例子SetCharacterEncodingFilter。
6.3. POST和GET
很明顯，以POST提交信息時，URL有更好的可讀性，而且可以方便的使用setCharacterEncoding()來處理字符集問題。但GET方法形成的URL能夠更容易表達網(wǎng)頁的實際內容，也能夠用于收藏。
從統(tǒng)一的角度考慮問題，建議采用GET方法，這要求在程序中獲得參數(shù)是進行特殊處理，而無法使用setCharacterEncoding()的便利，如果不考慮rewrite，就不存在IE的UTF-8問題，可以考慮通過設置URIEncoding來方便獲取URL中的參數(shù)。
6.4. 簡繁體編碼轉換
GBK同時包含簡體和繁體編碼，也就是說同一個字，由于編碼不同，在GBK編碼下屬于兩個字。有時候，為了正確取得完整的結果，應該將繁體和簡體進行統(tǒng)一?？梢钥紤]將UTF、GBK中的所有繁體字，轉換為相應的簡體字，BIG5編碼的數(shù)據(jù)，也應該轉化成相應的簡體字。當然，仍舊以UTF編碼存儲。
例如，對于"語言 ?言"，用UTF表示為"\xE8\xAF\xAD\xE8\xA8\x80 \xE8\xAA\x9E\xE8\xA8\x80"，進行簡繁體編碼轉換后應該是兩個相同的 "\xE8\xAF\xAD\xE8\xA8\x80"。
1. InputStream 和OutputStream,兩個是為字節(jié)流設計的,主要用來處理字節(jié)或二進制對象,
2. Reader和 Writer.兩個是為字符流（一個字符占兩個字節(jié)）設計的,主要用來處理字符或字符串.
字符流處理的單元為2個字節(jié)的Unicode字符，分別操作字符、字符數(shù)組或字符串，而字節(jié)流處理單元為1個字節(jié)，操作字節(jié)和字節(jié)數(shù)組。所以字符流是由Java虛擬機將字節(jié)轉化為2個字節(jié)的Unicode字符為單位的字符而成的，所以它對多國語言支持性比較好！如果是音頻文件、圖片、歌曲，就用字節(jié)流好點，如果是關系到中文（文本）的，用字符流好點
所有文件的儲存是都是字節(jié)（byte）的儲存，在磁盤上保留的并不是文件的字符而是先把字符編碼成字節(jié)，再儲存這些字節(jié)到磁盤。在讀取文件（特別是文本文件）時，也是一個字節(jié)一個字節(jié)地讀取以形成字節(jié)序列
1,字節(jié)流可用于任何類型的對象，包括二進制對象，而字符流只能處理字符或者字符串；
2,字節(jié)流提供了處理任何類型的IO操作的功能，但它不能直接處理Unicode字符，而字符流就可以
字節(jié)流是最基本的，所有的InputStrem和OutputStream的子類都是,主要用在處理二進制數(shù)據(jù)，它是按字節(jié)來處理的 但實際中很多的數(shù)據(jù)是文本，又提出了字符流的概念，它是按虛擬機的encode來處理，也就是要進行字符集的轉化 這兩個之間通過 InputStreamReader,OutputStreamWriter來關聯(lián)，實際上是通過byte[]和String來關聯(lián) 在實際開發(fā)中出現(xiàn)的漢字問題實際上都是在字符流和字節(jié)流之間轉化不統(tǒng)一而造成的.
java中定義一個字符串數(shù)組方式如下：
1.String[] str={"AAA","BBB","CCC"};
2.String str[]={"AAA","BBB","CCC"};
string類型和其他基本類型相似，創(chuàng)建數(shù)組時，有上述兩種方式。
1、 windows-Preferences...打開"首選項"對話框，左側導航樹，導航到general-Workspace，右側 Text file encoding，選擇Other，改變?yōu)?utf-8(必須小寫)，以后新建立工程其屬性對話框中的Text file encoding即為UTF-8。
2、 windows-Preferences...打開"首選項"對話框，左側導航樹，導航到general-Content Types，右側Content Types樹，點開Text，選擇 Java Source File，在下面的Default encoding輸入框中輸入UTF-8，點Update，則設置Java文件編碼為UTF-8。然后設置jsp、js、css等類型的Default encoding，設置方式同Java Source File。
3.windows-Preferences...打開"首選項"對話框，左側導航樹，導航到MyEclipse-Files and Editors-JSP,把Encoding改為UTF-8
重慶分公司
重慶分公司
