一、字节和unicode

Java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式是使用字节流的。因此Java要对这些字节流经行转化。 char是unicode的，而byte是字节。Java中byte/char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，可以用来告诉你，你用的 convertor。其中两个很常用的静态函数是：publicstaticByteToCharConverter getDefault();publicstaticByteToCharConverter getConverter(String encoding);

如果你不指定converter，则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用8859_1。byte——〉char："你"的gb码是：0xc4e3,unicode是0x4f60

String encoding="gb2312";byteb[]={(byte)'\u00c4',(byte)'\u00e3'};

ByteToCharConverter converter=ByteToCharConverter.getConverter(encoding);charc[]=converter.convertAll(b);for(inti=0; i

System.out.println(Integer.toHexString(c[i]));

}

结果是什么？0x4f60如果encoding="8859_1"，结果又是什么？0x00c4,0x00e3如果代码改为：byteb[]={(byte)'\u00c4',(byte)'\u00e3'};

ByteToCharConverter converter=ByteToCharConverter. getDefault();charc[]=converter.convertAll(b);for(inti=0; i

System.out.println(Integer.toHexString(c[i]));

}

结果将又是什么？

这就要根据平台的编码而定。char——〉byte：

String encoding="gb2312";charc[]={'\u4f60'};

CharToByteConverter converter=CharToByteConverter.getConverter(encoding);byteb[]=converter.convertAll(c);for(inti=0; i

System.out.println(Integer.toHexString(b[i]));

}

结果是什么？0x00c4,0x00e3如果encoding="8859_1"，结果又是什么？0x3f如果代码改为

String encoding="gb2312";charc[]={'\u4f60'};

CharToByteConverter converter=CharToByteConverter.getDefault();byteb[]=converter.convertAll(c);for(inti=0; i

System.out.println(Integer.toHexString(b[i]));

}

结果将又是什么？还是根据平台的编码而定。

很多中文问题就是从这两个最简单的类派生出来的。而却有很多类不直接支持把encoding输入，这给我们带来诸多不便。很多程序难得用encoding了，直接用default的encoding，这就给我们移植带来了很多困难。

二、utf-8utf-8是和unicode一一对应的，其实现很简单：

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_ _ _ _ _ _

大多数情况是只使用到16位以下的unicode:"你"的gb码是：0xc4e3,unicode是0x4f60

0xc4e3的二进制：1100，0100，1110，0011由于只有两位我们按照两位的编码来排，但是我们发现这行不通，因为第７位不是0因此，返回"?"0x4f60的二进制：0100，1111，0110，0000我们用utf-8补齐，变成：1110，0100，1011，1101，1010，0000e4--bd--a0

于是返回：0xe4,0xbd,0xa0。

三、string和byte[]

string其实核心是char[],然而要把byte转化成string，必须经过编码。string.length()其实就是char数组的长度，如果使用不同的编码，很可能会错分，造成散字和乱码。例如：

String encoding=“”;byte[] b={(byte)'\u00c4',(byte)'\u00e3'};

String str=newString(b,encoding);

如果encoding=8859_1，会有两个字，但是encoding=gb2312只有一个字这个问题在处理分页是经常发生。

四、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读/写InputStream/OutputStream。例如：

文件test.txt只有一个"你"字，0xc4,0xe3String encoding="gb2312";

InputStreamReader reader=newInputStreamReader(newFileInputStream("text.txt"), encoding);charc[]=newchar[10];intlength=reader.read(c);for(inti=0; i

System.out.println(c[i]);

}

结果是什么？是"你"。如果encoding="8859_1"，结果是什么？"??"两个字符，表示不认识。反过来的例子自己做。

五、我们要对Java的编译器有所了解：

Javac?encoding

我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。如果没有指定encoding，则按照系统的默认 encoding,gb平台上是gb2312，英文平台上是iso8859_1。Java的编译器实际上是调用sun.tools.Javac.main 的类，对文件进行编译，这个类有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。编译器就是根据这个变量来读取Java文件的，然后把用utf-8形式编译成class文件。(add by Aaron:读取java文件是用系统默认的编码读取的，但是编译还是用utf-8)，例子代码：

String str="你";

FileWriter writer=newFileWriter("text.txt");

write.write(str);

writer.close();

如果用gb2312编译，你会找到e4 bd a0的字段 ；

如果用8859_1编译， 00c4 00e3的二进制：0000，0000，1100，0100，0000，0000，1110，0011因为每个字符都大于7位，因此用11位编码：1100，0001，1000，0100，1100，0011，1010，0011c1--84--c3--a3

你会找到c184c3 a3

但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：

样例代码在中文平台上编译，生成zhclass

样例代码在英文平台上编译，输出enclass

(1) zhclass在中文平台上执行ok,但是在英文平台上不行

(2) enclass在英文平台上执行ok,但是在中文平台上不行

原因是：

(1) 在中文平台上编译后，其实str在运行态的char[]是0x4f60,　在中文平台上运行，filewriter的缺省编码是gb2312,因此 chartobyteconverter会自动用调用gb2312的converter,把str转化成byte输入到fileoutputstream 中，于是0xc4,0xe3放进了文件(add by Aaron:如果缺省为utf-8,则写入E4BDA0，写入的是字节流数据，文本编辑器读取该文件的时候再根据文本编辑器设定的编码读取，如果为utf-8，(E4BDA0)或者GB2312(C4E3)，则读取成功，如果为ASCII码或其他英文码则读出乱码)。但是如果是在英文平台下，chartobyteconverter的缺省值是8859_1, filewriter会自动调用8859_1去转化str,但是他无法解释，因此他会输出"?"(2) 在英文平台上编译后，其实str在运行态的char[]是0x00c40x00e3,(add by aaron:编译读java文件时，未能解析为原始unicode码，直接读取java文件中的c4e3,是这样吧？) 在中文平台上运行，中文无法识别，因此会出现??；在英文平台上，0x00c4-->0xc4,0x00e3->0xe3，因此0xc4,0xe3被放进了文件。

六、其它原因：设置浏览器的显示编码，如果response的数据是utf8编码，显示将是乱码，但是乱码和上述原因还不一样。

七、发生编码的地方：1. 从数据库到Java程序byte——〉char2. 从Java程序到数据库char——〉byte3. 从文件到Java程序byte——〉char4. 从Java程序到文件char——〉byte5. 从Java程序到页面显示char——〉byte6. 从页面form提交数据到Java程序byte——〉char7. 从流到Java程序byte——〉char8. 从Java程序到流char——〉byte可以使用配置过滤器的方法解决中文乱码的：RequestFilternet.golden.uirs.util.RequestFiltercharsetgb2312RequestFilter*.JsppublicvoiddoFilter(ServletRequest req, ServletResponse res,

FilterChain fChain)throwsIOException, ServletException {

HttpServletRequest request=(HttpServletRequest) req;

HttpServletResponse response=(HttpServletResponse) res;

HttpSession session=request.getSession();

String userId=(String) session.getAttribute("userid");

req.setCharacterEncoding(this.filterConfig.getInitParameter("charset"));//设置字符集？//实际上是设置了byte ——〉char的encodingtry{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报系统的权限if(!net.golden.uirs.util.UirsChecker.check(userId,"信息上报系统",

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(Exception ex) {

response.sendRedirect(request.getContextPath()+"/uirs/logon/logon.Jsp");

}

fChain.doFilter(req, res);