java/jsp中 中文問(wèn)題詳解
發(fā)布時(shí)間：2008-09-22 閱讀數(shù)： 次 來(lái)源：網(wǎng)樂(lè)原科技
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(lái)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(lái)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<c.length;c++)
--{
-- System.out.println(Integer.toHexString(c[i]));
--}
--打印出來(lái)是0x4F60
--但是如果使用8859_1的編碼，打印出來(lái)是
--0x00C4,0x00E3
----例１
反過(guò)來(lái)：
--encoding="gb2312";
char c[]={'u4F60'};
convertor=ByteToCharConverter.getConverter(encoding);
--byte [] b=converter.convertAll(c);
--for(int i=0;i<b.length;c++)
--{
-- System.out.println(Integer.toHexString(b[i]));
--}
--打印出來(lái)是：0xC4,0xE3
----例２
--如果用8859_1就是0x3F，?號(hào)，表示無(wú)法轉(zhuǎn)化 --
很多中文問(wèn)題就是從這兩個(gè)最簡(jiǎn)單的類派生出來(lái)的。而卻有很多類
不直接支持把Encoding輸入，這給我們帶來(lái)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(lái)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(lái)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(guò)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(wèn)題在處理分頁(yè)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<c.length;i++)
----System.out.println(c[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(méi)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(méi)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。
--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(lái)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(wèn)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(wú)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(wú)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(méi)有"<%@page include的符號(hào)。有，則在相同
--地方設(shè)定response.setContentType(..);按照encoding的來(lái)讀，沒(méi)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：
<html>
你好<%=request.getParameter("value")%>
</html>
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" %>
<html>
你好<%=new String(request.getParameter("value").getBytes("8859_1"),"gb2312")%>
</html>
必讀好文,但解決方案不敢恭維
--------------------------------------------------------------------------------
1.網(wǎng)頁(yè)傳參數(shù)不提倡用get方法,而且用戶可以調(diào)整是否用utf-8發(fā)送
2.建議jsp中最好不要用,實(shí)際上加不加這句都有實(shí)現(xiàn)中文正常顯示的方案,我認(rèn)為不加方便些,至少不用寫這些代碼,如下的配置我認(rèn)為可以使中文正常顯示:
a.所有的javabean用iso8859-1編譯
b.jsp文件中不要寫以上charset=gb2312的語(yǔ)句(寫了反而錯(cuò))
在tomcat情況下注意以上2點(diǎn)就行---了,等等,對(duì)于其他有可能不行的jsp服務(wù)器,加上以下
c.服務(wù)器上的操作系統(tǒng)語(yǔ)言設(shè)為英文(像沒(méi)有裝類似bluepoint中文系統(tǒng)的linux一般本來(lái)就是英文)
就行---了
誰(shuí)要是還不對(duì),請(qǐng)報(bào)告....
Re：必讀好文,但解決方案不敢恭維
--------------------------------------------------------------------------------
Tomcat的參數(shù)問(wèn)題無(wú)論是GET或是POST方式都是用8859_1編碼的。這個(gè)可以看Tomcat Servlet實(shí)現(xiàn)的源代碼:
a) 對(duì)于POST方法
javax.servlet.http.HttpUtils的parsePostData方法： (對(duì)于POST的Form數(shù)據(jù))
String postedBody = new String(postedBytes, 0, len, "8859_1");)這里是沒(méi)有問(wèn)題的因?yàn)橹形亩紩?huì)用%來(lái)說(shuō)明。但是parseName這個(gè)函數(shù)，卻沒(méi)有把是中文的東西整合起來(lái)，他只是簡(jiǎn)單的拼湊，因此可以認(rèn)定他是使用8859_1的編碼規(guī)則
sb.append((char) Integer.parseInt(s.substring(i+1, i+3), 16));
---- i += 2;
--
b) 對(duì)于GET方法
org.apache.tomcat.service.http.HttpRequestAdapter
-- line=new String(buf, 0, count,
Constants.CharacterEncoding.Default);
----Constants.CharacterEncoding.Default=8859_1
這段代碼不好跟蹤，千萬(wàn)不要被一些假象迷惑住。HttpRequestAdapter是從RequestImpl中派生的。但是，實(shí)際上用8080端口的Server并沒(méi)有直接用到RequestImpl，而是用了HttpRequestAdapter來(lái)獲得queryString
對(duì)于加不加encoding，我保留我的意見(jiàn)，因?yàn)槿绻鉀Q上傳文件分頁(yè)問(wèn)題，必須要用他來(lái)編碼。而且編碼能保證在一些Beans當(dāng)中的傳遞性。
看來(lái)我要在這里說(shuō)明一下了
--------------------------------------------------------------------------------
Tomcat僅僅是一個(gè)對(duì)jsp1.1,servlet2.2的一個(gè)標(biāo)準(zhǔn)的實(shí)現(xiàn),我們不應(yīng)該要求這個(gè)免費(fèi)軟件在細(xì)致末節(jié)上和性能上都面面俱到,它主要考慮的英文用戶,這也是為什么不作特殊轉(zhuǎn)換我們的漢字用url方法傳遞有問(wèn)題的原因,我們大部分瀏覽器ie其高級(jí)設(shè)置中始終以u(píng)tf-8發(fā)送url的選項(xiàng)缺省是選上的,如果說(shuō)這是tomcat的bug也是可以的,另外Tomcat不管當(dāng)前的操作系統(tǒng)是什么語(yǔ)言,好像都按iso8859去編譯jsp,我覺(jué)得也有點(diǎn)欠妥,但是不管怎么說(shuō),新標(biāo)準(zhǔn)的實(shí)現(xiàn)和熱門的軟件在語(yǔ)言的支持方面永遠(yuǎn)都是先考慮英文
我的方案什么說(shuō)要好一些呢
1.還是那句話,英文國(guó)家的軟件永遠(yuǎn)都是先考慮英文,java虛擬機(jī)的規(guī)范中要求虛擬機(jī)內(nèi)部必須實(shí)現(xiàn)iso8859,unicode,UTF-8三種,其他的不作要求,我們用的jdk中的虛擬機(jī)就是這樣,嵌入式的就更不用說(shuō)了,也就是說(shuō)其他的ENCODE都很可能不是java虛擬機(jī)內(nèi)部直接支持的,我們的中文自然也不在其列,需要外部的包支持轉(zhuǎn)換,sun jdk應(yīng)該在i18n.jar中,用iso8859速度最快,不需要其它調(diào)用和交換什么的,更沒(méi)有讀包的io操作
2.至少少寫了代碼,沒(méi)有額外操作,簡(jiǎn)潔的風(fēng)格誰(shuí)不喜歡
3.所寫的jsp頁(yè)面國(guó)際性化好,我才寫了一個(gè)jsp+javabeans的聊天室軟件(沒(méi)有用到servlet,jsp真的確實(shí)很好),同樣的程序美國(guó)人用他們的瀏覽器進(jìn)入就是英文界面,中文進(jìn)入就是中文界面,如果加上charset=gb2312至少很麻煩
4.限定了gb2312,如果用戶要用GBK,怎么辦,不加更好,不管什么的字符集,只要我當(dāng)前瀏覽器設(shè)定的是,我就能顯示出來(lái)
總結(jié):無(wú)論從速度上,開(kāi)發(fā)效率上,和可擴(kuò)展性上考慮,我的方案都比你的好,另外,我找不到你的方案比我的好的地方.
桂公網(wǎng)安備45010502000253號(hào)
電子營(yíng)業(yè)執(zhí)照
