關於java中文亂碼問題一些解決方案和經驗

1.字節和unicode 
java內核是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流的。因此java要對這些字節流經行轉化。char是unicode的，而byte是字節。Java中byte/char互轉的函數在sun.io的包中間有。其中ByteToCharConverter類是中調度，可以用來告訴你，你用的convertor。其中兩個很常用的靜態函數是 
publicstaticByteToCharConvertergetDefault(); 
publicstaticByteToCharConvertergetConverter(Stringencoding); 
如果你不指定converter，則系統會自動使用當前的encoding,gb平台上用gbk,en平台上用8859_1。 
byte——〉char： 
"你"的gb碼是：0xc4e3,unicode是0x4f60 
Stringencoding="gb2312"; 
byteb[]={(byte)'u00c4',(byte)'u00e3'}; 
ByteToCharConverterconverter=ByteToCharConverter.getConverter(encoding); 
charc[]=converter.convertAll(b); 
for(inti=0;i＜c.length;i++){ 
System.out.println(Integer.toHexString(c[i])); 
} 
結果是什麼？0x4f60 
如果encoding="8859_1"，結果又是什麼？0x00c4,0x00e3 
如果代碼改為 
byteb[]={(byte)'u00c4',(byte)'u00e3'}; 
ByteToCharConverterconverter=ByteToCharConverter.getDefault(); 
charc[]=converter.convertAll(b); 
for(inti=0;i＜c.length;i++){ 
System.out.println(Integer.toHexString(c[i])); 
} 
結果將又是什麼？根據平台的編碼而定。 
char——〉byte： 
Stringencoding="gb2312"; 
charc[]={'u4f60'}; 
CharToByteConverterconverter=CharToByteConverter.getConverter(encoding); 
byteb[]=converter.convertAll(c); 
for(inti=0;i＜b.length;i++){ 
System.out.println(Integer.toHexString(b[i])); 
} 
結果是什麼？0x00c4,0x00e3 
如果encoding="8859_1"，結果又是什麼？0x3f 
如果代碼改為 
Stringencoding="gb2312"; 
charc[]={'u4f60'}; 
CharToByteConverterconverter=CharToByteConverter.getDefault(); 
byteb[]=converter.convertAll(c); 
for(inti=0;i＜b.length;i++){ 
System.out.println(Integer.toHexString(b[i])); 
} 
結果將又是什麼？根據平台的編碼而定。 
很多中文問題就是從這兩個最簡單的類派生出來的。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一一對應的，其實現很簡單 
7位的unicode:0_______ 
11位的unicode:110_____10______ 
16位的unicode:1110____10______10______ 
21位的unicode:11110___10______10______10______ 
大多數情況是只使用到16位以下的unicode: 
"你"的gb碼是：0xc4e3,unicode是0x4f60 
0xc4e3的二進制： 
1100，0100，1110，0011 
由於只有兩位我們按照兩位的編碼來排，但是我們發現這行不通，因為第７位不是0因此，返回"?" 
0x4f60的二進制： 
0100，1111，0110，0000 
我們用utf-8補齊，變成： 
1110，0100，1011，1101，1010，0000 
e4--bd--a0 
於是返回：0xe4,0xbd,0xa0。 
    3.string和byte[] 
string其實核心是char[],然而要把byte轉化成string，必須經過編碼。string.length()其實就是char數組的長度，如果使用不同的編碼，很可能會錯分，造成散字和亂碼。 
例如： 
Stringencoding=“”; 
byte[]b={(byte)'u00c4',(byte)'u00e3'}; 
Stringstr=newString(b,encoding); 
如果encoding=8859_1，會有兩個字，但是encoding=gb2312只有一個字這個問題在處理分頁是經常發生。 
     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。 
例如： 
文件test.txt只有一個"你"字，0xc4,0xe3 
Stringencoding="gb2312"; 
InputStreamReaderreader=newInputStreamReader(newFileInputStream( 
"text.txt"),encoding); 
charc[]=newchar[10]; 
intlength=reader.read(c); 
for(inti=0;i＜length;i++){ 
System.out.println(c[i]); 
} 
結果是什麼？你 
如果encoding="8859_1"，結果是什麼？??兩個字符，表示不認識。 
反過來的例子自己做。 
    5.我們要對Java的編譯器有所了解 ： 
Javac?encoding 
我們常常沒有用到encoding這個參數。其實encoding這個參數對於跨平台的操作是很重要的。如果沒有指定encoding，則按照系統的默認encoding,gb平台上是gb2312，英文平台上是iso8859_1。 
java的編譯器實際上是調用sun.tools.javac.main的類，對文件進行編譯，這個類有compile函數中間有一個encoding的變量,-encoding的參數其實直接傳給encoding變量。編譯器就是根據這個變量來讀取Java文件的，然後把用utf-8形式編譯成class文件。 
例子代碼： 
Stringstr="你"; 
FileWriterwriter=newFileWriter("text.txt"); 
write.write(str); 
writer.close(); 
如果用gb2312編譯，你會找到e4bda0的字段； 
如果用8859_1編譯，00c400e3的二進制： 
0000，0000，1100，0100，0000，0000，1110，0011 
因為每個字符都大於7位，因此用11位編碼： 
1100，0001，1000，0100，1100，0011，1010，0011 
c1--84--c3--a3 
你會找到c184c3a3。 
但是我們往往忽略掉這個參數，因此這樣往往會有跨平台的問題： 
樣例代碼在中文平台上編譯，生成zhclass 
樣例代碼在英文平台上編譯，輸出enclass 
(1).zhclass在中文平台上執行ok,但是在英文平台上不行 
(2).enclass在英文平台上執行ok,但是在中文平台上不行 
原因： 
(1).在中文平台上編譯後，其實str在運行態的char[]是0x4f60,在中文平台上運行，filewriter的缺省編碼是gb2312,因此chartobyteconverter會自動用調用gb2312的converter,把str轉化成byte輸入到fileoutputstream中，於是0xc4,0xe3放進了文件。 
但是如果是在英文平台下，chartobyteconverter的缺省值是8859_1,filewriter會自動調用8859_1去轉化str,但是他無法解釋，因此他會輸出"?" 
(2).在英文平台上編譯後，其實str在運行態的char[]是0x00c40x00e3,在中文平台上運行，中文無法識別，因此會出現??； 
在英文平台上，0x00c4-->0xc4,0x00e3->0xe3，因此0xc4,0xe3被放進了文件。 
    6.其它原因： 
＜%@pagecontentType="text/Html;charset=GBK"%> 
設置浏覽器的顯示編碼，如果response的數據是utf8編碼，顯示將是亂碼，但是亂碼和上述原因還不一樣。 
    7.發生編碼的地方 ： 
從數據庫到Java程序byte——〉char 
從Java程序到數據庫char——〉byte 
從文件到Java程序byte——〉char 
從Java程序到文件char——〉byte 
從Java程序到頁面顯示char——〉byte 
從頁面form提交數據到Java程序byte——〉char 
從流到Java程序byte——〉char 
從Java程序到流char——〉byte 
謝志鋼的解決方法： 
我是使用配置過濾器的方法解決中文亂碼的： 
＜web-app> 
＜filter> 
＜filter-name>RequestFilter＜/filter-name> 
＜filter-class>net.golden.uirs.util.RequestFilter＜/filter-class> 
＜init-param> 
＜param-name>charset＜/param-name> 
＜param-value>gb2312＜/param-value> 
＜/init-param> 
＜/filter> 
＜filter-mapping> 
＜filter-name>RequestFilter＜/filter-name> 
＜url-pattern>*.JSP＜/url-pattern> 
＜/filter-mapping> 
＜/web-app> 
publicvoiddoFilter(ServletRequestreq,ServletResponseres, 
FilterChainfChain)throwsIOException,ServletException{ 
HttpServletRequestrequest=(HttpServletRequest)req; 
HttpServletResponseresponse=(HttpServletResponse)res; 
HttpSessionsession=request.getSession(); 
StringuserId=(String)session.getAttribute("userid"); 
req.setCharacterEncoding(this.filterConfig.getInitParameter("charset"));//設置字符集？ 
實際上是設置了byte——〉char的encoding 
try{ 
if(userId==null||userId.equals("")){ 
if(!request.getRequestURL().toString().matches( 
".*/uirs/logon/logon(Controller){0,1}\x2EJSP $")){ 
session.invalidate(); 
response.sendRedirect(request.getContextPath()+ 
"/uirs/logon/logon.JSP"); 
} 
} 
else{//看看是否具有信息上報系統的權限 
if(!net.golden.uirs.util.UirsChecker.check(userId,"信息上報系統", 
net.golden.uirs.util.UirsChecker.ACTION_DO)){ 
if(!request.getRequestURL().toString().matches( 
".*/uirs/logon/logon(Controller){0,1}\x2EJSP $")){ 
response.sendRedirect(request.getContextPath()+ 
"/uirs/logon/logonController.JSP"); 
} 
} 
} 
} 
catch(Exceptionex){ 
response.sendRedirect(request.getContextPath()+ 
"/uirs/logon/logon.JSP"); 
} 
fChain.doFilter(req,res); 
}