JAVA:编码与乱码问题
文章来源于https://www.cnblogs.com/slwenyi/p/6393881.html,作者:一杯浓茶,转载请注明来源;
一、为什么要编码?
由于人类的语言太多,因而表示这些语言的符号太多,无法用计算机的一个基本的存储单元----byte来表示,因而必须要经过拆分或一些翻译工作,才能让计算机能理解。
byte一个字节即8个bit,所以能表示的字符范围是0~255个,这满足不了人类的需要,要解决这个矛盾必须需要一个新的数据结构char,从char到byte必须经过编码。
二、常用编码介绍
ASCII码
总共128个,用一个字节的低7位表示,0~31是控制字符,如换行、回车、删除等,32~126是打印字符,可以通过键盘输入并且能够显示出来.
ISO-8859-1
扩展自ASCII,仍然是单字节编码,一共能表示256个字符
GB2312
双字节编码。总编码范围A1~F7 ,其中A1~A9是符号区,包含682个符号,从B0~F7是汉字区,包含6763个汉字
GBK
扩展自GB2312,能表示21003个汉字,其编码和GB2312是兼容的。GBK的文字编码是用双字节来表示的,即不论中、英文字符均使用双字节来表示,为了区分中文,将其最高位都设定成1。GBK包含全部中文字符
GB18030
在实际应用系统中使用的并不广泛
Unicode
Unicode 是 Java 和 XML 的基础,使用0~65 535的双字节无符号数对每一个字符进行编码
UTF-8
是用以解决国际上字符的一种多字节编码,它对英文使用8位(即一个字节),中文使用24为(三个字节)来编码,使用Unicode编码,一个英文字符要占用两个字节,在Internet上,大多数的信息都是用英文来表示的,如果都采用Unicode编码,将会使数据量增加一倍。为了减少存储和传输英文字符数据的数据量,可以使用UTF-8编码。
GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换:
GBK、GB2312--Unicode--UTF8
UTF8--Unicode--GBK、GB2312
三、对乱码产生过程的分析
为了让使用Java语言编写的程序能在各种语言的平台下运行,Java在其内部使用Unicode字符集来表示字符,这样就存在Unicode字符集和本地字符集进行转换的过程。当在Java中读取字符数据的时候,需要将本地字符集编码的数据转换为Unicode编码,而在输出字符数据的时候,则需要将Unicode编码转换为本地字符集编码。
例如,在中文系统下,从控制台读取一个字符“中”,实际上读取的是“中”的GBK编码0xD6D0,在Java语言中要将GBK编码转换为Unicode编码0x4E2D,此时,在内存中,字符“中”对应的数值就是0x4E2D,当我们向控制台输出字符时,Java语言将Unicode编码再转换为GBK编码,输出到控制台,中文系统再根据GBK字符集画出相应的字符。
从上述过程来看,读取和写入的过程是可逆的,那么理应不会出现中文乱码问题。然而,实际应用的情形,比上述过程要复杂得多。在Web应用中,通常都包括了浏览器、Web服务器、Web应用程序和数据库等部分,每一部分都有可能使用不同的字符集,从而导致字符数据在各种不同的字符集之间转换时,出现乱码的问题。
在Java语言中,不同字符集编码的转换,都是通过Unicode编码作为中介来完成的。例如,GBK编码的字符“中”要转换为ISO-8859-1编码,其过程如下:
(1)因为在Java中的字符,都是用Unicode来表示的,所以GBK编码的字符“中”要转换为Unicode表示:0xD6D0->0x4E2D。
(2)将字符“中”的Unicode编码转换为ISO-8859-1编码,因为Unicode编码0x4E2D在ISO-8859-1中没有对应的编码,于是得到0x3f,也就是字符“?”。
下面的代码演示了这一过程:
/GBK编码的字符“中”转换为Unicode编码表示 String str="中"; //将字符“中”的Unicode编码转换为ISO-8859-1编码 byte[] b=str.getBytes("ISO-8859-1"); for(int i=0;i<b.length;i++) { //输出转换后的二进制代码。 System.out.print(b[i]); }
当从Unicode编码向某个字符集转换时,如果在该字符集中没有对应的编码,则得到0x3f(即问号字符?)。这就是为什么有时候我们输入的是中文,在输出时却变成了问号。
从其他字符集向Unicode编码转换时,如果这个二进制数在该字符集中没有标识任何的字符,则得到的结果是0xfffd。例如一个GBK的编码值0x8140,从GB2312向Unicode转换,然而由于0x8140不在GB2312字符集的编码范围(0xa1a1-0xfefe),当然也就没有对应任何的字符,所以转换后会得到0xfffd。
下面的代码演示了这一过程。
// 构造一个二进制数据。 byte[] buf = { (byte) 0x81, (byte) 0x40, (byte) 0xb0, (byte) 0xa1 }; // 将二进制数据按照GB2312向Unicode编码转换。 String str = new String(buf, "GB2312"); for (int i = 0; i < str.length(); i++) { // 取出字符串中的每个Unicode编码的字符。 char ch = str.charAt(i); // 将该字符对应的Unicode编码以十六进制的形式输出。 System.out.print(Integer.toHexString((int) ch)); System.out.print("--"); // 输出该字符。 System.out.println(ch); }
四、web开发避免中文乱码
1.Jquery的get、 post方式提交中文乱码
Ajax方式提交,如果参数中带有中文参数,最好就是指定页面格式的编码.Jquery这里默认使用utf-8的编码
值得注意的是: 在$.get()、$.post()方式中,要指定内容返回的内容的contentType格式.
get方法传文字字符串就会有乱码,因为是通过url传参的。 所以你要在js客户端经过2次转码,同样服务器端也要转码。 $.get("AjaxService?userName=" + encodeURI(encodeURI(userName)), null, function (data) { $("#result").html(data); }); 这2个效果是一样的:encodeURIComponent(userName) 、 encodeURI(encodeURI(userName)) 服务器端转码:String userName = URLDecoder.decode(request.getParameter("userName"), "UTF-8");
因为应用服务器会自动帮你做一次URLDecode,所以再加上你自己在代码里面写的URLDecode,一共就是两个Decode了
一般情况下, 发送 encodeURIComponent(parmeName)+"="+encodeURIComponent(parmeValue);
接收时, 直接 String paramValue = request.getParameter(paramName); // 容器自动解码.
我们知道 encodeURIComponent 使用的是 UTF-8 编码规则来编的.
如果 request.getParameter(paramName) 时,容器也按 UTF-8 解的话,是正确的. 根本无须在客户端
进行二次的 encodeURIComponent(...)
如果 request.getParameter(paramName),容器没有按 UTF-8 解的话, 结果只有一个,就是乱码!
容器按什么编码来解码,决定于 request.setCharacterEncoding(***) 或者 服务器程序配置.
如果你在 jsp 程序中,能够 request.setCharacterEncoding("UTF-8"), 并且 修改服务器配置,让容器在解 GET 提交的参数时,使用 UTF-8.
客户端提交前不用二次编码, 接收时,也只要直接 request.getParameter(paramName) 即可
Java、escape(str)和unescape(str);
对String对象进行编码或者解码,以便它们能在所有计算机上可读;str中的非ASCII字符都是用【%xx】来表示的,其中xx表示该字符的16进制数,例如空格返回的是”%20”,字符值大于255的以%uxxxx格式存储
注意:escape()方法不能够对统一资源标识码(URI)进行编码,对其编码应使用encodeURI()和encodeURIComponent()方法;
unescape()方法不能解码URI,解码需使用decodeURI()和decodeURIComponent();
这里建议参考Commons-lang3包中的StringEscapeUtils
2.JSP与页面参数传参乱码
(1)页面编码不一致
<%@ page contentType="text/html; charset=gb2312"%> ... <meta http-equiv="Content-Type" content="text/html charset=gb2312"> ...
使用Servlet规范中的过虑器指定编码,过滤器的在web.xml中的典型配置和主要代码如下:
web.xml:
<filter> <filter-name>CharacterEncodingFilter</filter-name>
<filter-class>cn.com.tony.web.CharacterEncodingFilter</filter-class> <init-param> <param-name>encoding</param-name> <param-value>GBK</param-value> </init-param> </filter> <filter-mapping> <filter-name>CharacterEncodingFilter</filter-name> <url-pattern>/*</url-pattern> </filter-mapping>
CharacterEncodingFilter.java代码段:
public class CharacterEncodingFilter implements Filter { protected String encoding = null; public void init(FilterConfig filterConfig) throws ServletException { this.encoding = filterConfig.getInitParameter("encoding"); } public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException { request.setCharacterEncoding(encoding); response.setContentType("text/html;charset="+encoding); chain.doFilter(request, response); } }
或者使用框架提供的乱码过滤器如Spring
<filter> <filter-name>EncodingFilter</filter-name> <filter-class>org.springframework.web.filter.CharacterEncodingFilter</filter-class> <init-param> <param-name>encoding</param-name> <param-value>GBK</param-value> </init-param> <init-param> <param-name>forceEncoding</param-name> <param-value>true</param-value> </init-param> </filter> <filter-mapping> <filter-name>EncodingFilter</filter-name> <url-pattern>/*</url-pattern> </filter-mapping>
3.链接传参乱码
在传参的jsp对中文进行编码:href="new.jsp?name=java.net.URLEncoder.encode("链接")";
在接受的jsp对中文进行转码:String str = URLDecoder.decode(request.getParameter("name "), "utf-8");
读取的编码格式要跟页面中设置的编码格式一致。
4.网页编码格式设置:
(1)、指定文件的存储编码,很明显,该设置应该置于文件的开头。例如:<%@page pageEncoding="GBK"%>,正常显示中文,如果不设置默认是iso8859-1,它是不支持中文的。
(2)、jsp输出,即:browser显示网页的时候,首先使用response.setCharacterEncoding()中指定的编码,也可以是<%@ page contentType="text/html; charset= GBK" %>。如果未指定,则会使用网页中meta项指定中的contentType。
(3)、 meta设置
指定网页使用的编码,该设置对静态网页尤其有作用。因为静态网页无法采用jsp的设置,而且也无法执行response.setCharacterEncoding()。例如:<META http-equiv="Content-Type" content="text/html; charset=GBK" />而在jsp中meta的优先级最低,没有以上两种的编码时才采用这中编码推荐只用utf-8,它支持所有字符。
若是Servlet显示网页就用response.setContentType("text/html;charset=utf-8");
5.数据库读取乱码
大部分数据库都支持以unicode编码方式,所以解决Java与数据库之间的乱码问题比较明智的方式是直接使用unicode编码与数据库交互。 很多数据库驱动自动支持unicode,其他大部分数据库驱动,可以在驱动的url参数中指定,如 mysql驱动:jdbc:mysql://localhost/MYTEST?useUnicode=true&characterEncoding=GBK。
6.浏览器编码异常
乱码问题
<%@ page language="java" contentType="text/html; charset=GBK" pageEncoding="GBK"%>
......
<%
//*****写在首行*****//
request.setCharacterEncoding("UTF-8");
...
%>
在浏览器中,中文通过url传递都会默认被编码,所以在url中的中文还必须编码后再使用,
使用 <form>...</form> 提交的,浏览器才会编码.
<form>提交时,浏览器使用什么编码编,决定于 form 的 accept-charset 属性(标准浏览器) 或者 document.charset(IE)
<form accept-charset="...." >...</form>
提交 application/x-form-www-encoded 表单时,浏览器 把所有参数 按 key=value 的形式组合
分别对 key, value 进行编码.
多个参数间,用 "&" 连接, 如: key2=%E4%B8%AD%E6%96%87&key=AAAA&key=BBB&key1=CCC&%E6%B1%89%E5%AD%97=%E4%B8%AD%E6%96%87
ajax 提交的,需要自己手动设置编码
浏览器url编码
eg : "2014中华小当家"先编码成utf-8,再在url地址栏中传递,ie10地址栏输入中文不会乱码,火狐和chrome会,
7.通过参数设置接口编码
WebUtils.java
public static String getQueryValue(String queryString,String key){ if(queryString==null || queryString.length()==0)return null; int reqIdx = queryString.indexOf(key);//req_enc=utf-8&resp_enc=gbk String enc = null; if(reqIdx!=-1){ reqIdx = reqIdx+key.length(); int endIdx = reqIdx; for (; endIdx < queryString.length() && queryString.charAt(endIdx)!='&'; endIdx++) { } if(endIdx>reqIdx){ enc = queryString.substring(reqIdx,endIdx); if(!enc.equalsIgnoreCase("gbk") && !enc.equalsIgnoreCase("utf-8")){ enc = null; }else{ System.err.println("error :"+key+" is "+ enc); } } } return enc; }
setCharset.jsp
<%@ page contentType="text/html;charset=GBK" %><% String queryString = request.getQueryString(); String reqEnc = getQueryValue(queryString,"req_enc="); if(reqEnc!=null){ request.setCharacterEncoding(reqEnc); } String respEnc = getQueryValue(queryString,"resp_enc="); if(respEnc!=null){ response.setCharacterEncoding(respEnc); } %>
五、总结
上面提到的方法应该能解决大部分乱码问题,如果在其他地方还出现乱码,可能需要手动修改代码。解决Java乱码问题的关键在于在字节与字符的转换 过程中,你必须知道原来字节或转换后的字节的编码方式,转换时采用的编码必须与这个编码方式保持一致,否则将会出现Java文乱码。
参考: