二、基本概念

2.1 JAVA中字符的表达

JAVA中有char、byte、String这几个概念。

char 指的是一个UNICODE字符，为16位的整数。java抓取网页保存的乱码问题解决

byte 是字节，字符串在网络传输或存储前需要转换为byte数组。在从网络接收或从存储设备读取后需要将byte数组转换成String。

String是字符串，可以看成是由char组成的数组。

String 和 char 为内存形式，byte是网络传输或存储的序列化形式。

举例： 英 String ying = “英”; char ying = ying.charAt(0);         //返回第0位的字符 String yingHex = Integer.toHexString(ying);      //字符和整数同是16位 82 F1  byte yingGBBytes = ying.getBytes(“GBK”);      //转换成字节 GB编码的字节数值 D3 A2

2.2 编码方式的简介 String序列化成byte数组或反序列化时需要选择正确的编码方式。如果编码方式不正确，就会得到一些0x3F的值。常用的字符编码方式有ISO8859_1、GB2312、GBK、UTF-8/UTF-16/UTF-32。 ISO8859_1用来编码拉丁文，它由单字节(0－255)组成。 GB2312、GBK用来编码简体中文，它有单字节和双字节混合组成。最高位为1的字节和下一个字节构成一个汉字，最高位为0的字节是ASCII码。 UTF-8/UTF-16/UTF-32是国际标准UNICODE的编码方式。 用得最多的是UTF-8，主要是因为它在对拉丁文编码时节约空间。

UNICODE值 UTF-8编码 U-00000000 - U-0000007F: 0xxxxxxx U-00000080 - U-000007FF: 110xxxxx 10xxxxxx  U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx  U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx  U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx  U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

三、J2SE中相关的函数 String str =”英”; //取得GB2312编码的字节 byte[] bytesGB2312 = str.getBytes(“GB2312”);

//取得平台缺省编码的字节(solaris为ISO8859_1,windows为GB2312) byte[] bytesDefault = str.getBytes();

//用指定的编码将字节转换成字符串 String newStrGB = new String(bytesGB2312, “GB2312”);

//用平台缺省的编码将字节转换成字符串(solaris为ISO8859_1,windows为GB2312) String newStrDefault = new String(bytesDefault);

//用指定的编码从字节流里面读取字符 InputStream in = xxx; InputStreamReader reader = InputStreamReader( in, “GB2312”); char aChar = reader.read();

四、JSP、数据库的编码 4.1 JSP中的编码 (1) 静态声明: CHARSET有两个作用： JSP文件的编码方式：在读取JSP文件、生成JAVA类时，源JSP文件中汉字的编码 JSP输出流的编码方式：在执行JSP时，往response流里面写入数据的编码方式 (2) 动态改变:在往response流里面写数据前可以调用response.setContentType()，设定正确的编码类型。 (3) 在TOMCAT中，由Request.getParameter() 得到的参数，编码方式都是ISO8859_1。所以如果在浏览器输入框内输入一个汉字“英”，在服务器端就得到一个ISO8859_1编码的 (0x00,0xD3,0x00,0xA2)。所以通常在接收参数时转码： String wrongStr = response.getParameter(“name”); String correctStr = new String(wrongStr.getBytes(“ISO8859_1”),”GB2312”); 在最新的SERVLET规范里面，也可以在获取参数之前执行如下代码： request.setCharacterEncoding(“GB2312”);

4.2 数据库的编码 (1) 数据库使用UTF-16 如果String中是UNICODE字符，写入读出时不需要转码 (2) 数据库使用ISO8859_1 如果String中是UNICODE字符，写入读出时需要转码 写入：String newStr = new String(oldStr.getByte(“GB2312”), “ISO8859_1”); 读出：String newStr = new String(oldStr.getByte(“ISO8859_1”),”GB2312”);

五、源文件的编码 5.1 资源文件 资源文件的编码方式和编辑平台相关。在WINDOWS平台下编写的资源文件，以GB2312方式编码。在编译时需要转码，以确保在各个平台上的正确性： native2ascii ?encoding GB2312 source.properties 这样从资源文件中读出的就是正确的UNICODE字符串。 5.2 源文件 源文件的编码方式和编辑平台相关。在WINDOWS平台下开发的源文件，以GB2312方式编码。在编译的时候，需要指定源文件的编码方式： javac ?encoding GB2312 JAVA编译后生成的字节文件的编码为UTF-8。

①最新版TOMCAT4.1.18支持request.setCharacterEncoding(String enc) ②资源文件转码成company.name=u82f1u65afu514b ③如果数据库使用utf-16则不需要这部分转码 ④页面上应有 转码?: String s = new String (request.getParameter(“name”).getBytes(“ISO8859_1”),”GB2312”); 转码?: String s = new String(name.getBytes(“GB2312”),”ISO8859_1”); 转码?: String s = new String(name.getBytes(“ISO8859_1”),” GB2312”);

因为url默认编码是容器的编码，tomcat默认是iso-8859-1.所以，request.gerParameter()获得的值必须转码，除非设置tomcat的默认url编码。

其实tomcat的默认url编码是可以设置的，具体怎么设置这里就不说了

如果想正确显示和传递中文，就必须转换成GBK字符，或者GB2312 而一个字符在网页间传递要经过编/解码的问题

tomcat获取从网络传送的字符username.getBytes("ISO8859_1") 再将获取的字符编码为"GBK"字符串,转换后把值赋回给username

username=new String(username.getBytes("ISO8859_1"),"GBK");