JAVA及相干字符集編碼成績研討分享。本站提示廣大學習愛好者：（JAVA及相干字符集編碼成績研討分享）文章只能為提供參考，不一定能成為您想要的結果。以下是JAVA及相干字符集編碼成績研討分享正文
上面本文將針對以上幾點成績停止描寫評論辯論，我們就以“中文”兩個字為例來講明，查找相干材料可知“中文”的GB2312編碼是“d6d0 cec4”，為Unicode編碼為"4e2d 6587"，UTF編碼就是"e4b8ad e69687"。（留意，“中文”這兩個字沒有iso8859-1編碼，但可以用iso8859-1編碼來"表現"）。
1、編碼根本常識：
最早的編碼是iso8859-1，和ascii編碼類似。但為了便利表現各類各樣的說話，逐步湧現了許多尺度編碼，主要的有以下幾個:
1. iso8859-1
屬於單字節編碼，最多能表現的字符規模是0-255，運用於英文系列。好比，字母a的編碼為0x61=97。
很顯著，iso8859-1編碼表現的字符規模很窄，沒法表現中文字符。然則，因為是單字節編碼，和盤算機最基本的表現單元分歧，所以許多時刻，仍然應用iso8859-1編碼來表現。並且在許多協定上，默許應用該編碼。好比，固然"中文"兩個字不存在iso8859-1編碼，以gb2312編碼為例，應當是"d6d0 cec4"兩個字符，應用iso8859-1編碼的時刻則將它拆開為4個字節來表現："d6 d0 ce c4"（現實上，在停止存儲的時刻，也是以字節為單元處置的）。而假如是UTF編碼，則是6個字節"e4 b8 ad e6 96 87"。很顯著，這類表現辦法還須要以另外一種編碼為基本。
2. GB2312/GBK
這就是漢子的國標碼，專門用來表現漢字，是雙字節編碼，而英文字母和iso8859-1分歧（兼容iso8859-1編碼）。個中gbk編碼可以或許用來同時表現繁體字和簡體字，而gb2312只能表現簡體字，gbk是兼容gb2312編碼的。
3. unicode
這是最同一的編碼，可以用來表現一切說話的字符，並且是定長雙字節（也有四字節的）編碼，包含英文字母在內。所以可以說它是不兼容iso8859-1編碼的，也不兼容任何編碼。不外，絕對於iso8859-1編碼來講，uniocode編碼只是在後面增長了一個0字節，好比字母a為"00 61"。
須要解釋的是，定長編碼便於盤算機處置（留意GB2312/GBK不是定長編碼），而unicode又可以用來表現一切字符，所以在許多軟件外部是應用unicode編碼來處置的，好比java。
4. UTF
斟酌到unicode編碼不兼容iso8859-1編碼，並且輕易占用更多的空間：由於關於英文字母，unicode也須要兩個字節來表現。所以unicode未便於傳輸和存儲。是以而發生了utf編碼，utf編碼兼容iso8859-1編碼，同時也能夠用來表現一切說話的字符，不外，utf編碼是不定長編碼，每個字符的長度從1-6個字節不等。別的，utf編碼自帶簡略的校驗功效。普通來說，英文字母都是用一個字節表現，而漢字應用三個字節。
留意，固然說utf是為了應用更少的空間而應用的，但那只是絕對於unicode編碼來講，假如曾經曉得是漢字，則應用GB2312/GBK無疑是最節儉的。不外另外一方面，值得解釋的是，固然utf編碼對漢字應用3個字節，但即便關於漢字網頁，utf編碼也會比unicode編碼節儉，由於網頁中包括了許多的英文字符。
2、java對字符的處置
在編寫java運用法式中，會有多處觸及到字符集編碼，有些處所須要停止准確的設置，有些處所須要停止必定水平的處置。
1. getBytes(charset)
這是java字符串處置的一個尺度函數，其感化是將字符串所表現的字符依照charset編碼，並以字節方法表現。留意字符串在java內存中老是按unicode編碼存儲的。好比"中文"，正常情形下（即沒有毛病的時刻）存儲為"4e2d 6587"，假如charset為"gbk"，則被編碼為"d6d0 cec4"，然後前往字節"d6 d0 ce c4"。假如charset為"utf8"則最初是"e4 b8 ad e6 96 87"。假如是"iso8859-1"，則因為沒法編碼，最初前往 "3f 3f"（注： "3f 3f"是兩個問號）。
2. new String(charset)
這是java字符串處置的另外一個尺度函數，和上一個函數的感化相反，將字節數組依照charset編碼停止組合辨認，最初轉換為unicode存儲。參考上述getBytes的例子，"gbk" 和"utf8"都可以得出准確的成果"4e2d 6587"，但iso8859-1最初釀成了"003f 003f"（兩個問號）。
由於utf8可以用來表現/編碼一切字符，所以new String( str.getBytes( "utf8" ), "utf8" ) === str，即完整可逆。
3. setCharacterEncoding()
該函數用來設置http要求或許響應的編碼。
關於request，是指提交內容的編碼，指定後可以經由過程getParameter()則直接取得准確的字符串，假如不指定，則默許應用iso8859-1編碼，須要進一步處置。拜見下述"表單輸出"。值得留意的是在履行setCharacterEncoding()之前，不克不及履行任何getParameter()。java doc上解釋：This method must be called prior to reading request parameters or reading input using getReader()。
