|
java編碼中的中文問題是一個老生常談的問題了,，每次遇到中文亂碼LZ要么是按照以前的經(jīng)驗修改,，要么則是baidu.com來解決問題。閱讀許多關(guān)于中文亂碼的解決辦法的博文后,，發(fā)現(xiàn)對于該問題我們都（更加包括我自己）沒有一個清晰明了的認識,，來徹底分析、解決java中文亂碼問題,，如有錯誤之處望各位同仁指出,！ 問題起源 對于計算機而言，它僅認識兩個0和1,，不管是在內(nèi)存中還是外部存儲設(shè)備上,，我們所看到的文字、圖片,、視頻等等“數(shù)據(jù)”在計算機中都是已二進制形式存在的,。不同字符對應(yīng)二進制數(shù)的規(guī)則，就是字符的編碼,。字符編碼的集合稱為字符集,。 在早期的計算機系統(tǒng)中，使用的字符是非常少的,，他們只包括26個英文字母,、數(shù)字符號和一些常用符號，對于這些字符進行編碼，用1個字節(jié)就足夠了,，但是隨著計算機的不斷發(fā)展,，為了適應(yīng)全世界其他各國民族的語言，這些少得可憐的字符編碼肯定是不夠的,。于是人們提出了UNICODE編碼,，它采用雙字節(jié)編碼，兼容英文字符和其他國家民族的雙字節(jié)字符編碼,。 如果你想學(xué)習(xí)Java可以來這個群,，首先是二二零，中間是一四二,，最后是九零六,，里面有大量的學(xué)習(xí)資料可以下載。 每個國家為了統(tǒng)一編碼都會規(guī)定該國家/地區(qū)計算機信息交換用的字符集編碼,，為了解決本地字符信息的計算機處理,，于是出現(xiàn)了各種本地化版本，引進LANG, Codepage 等概念?，F(xiàn)在大部分具有國際化特征的軟件核心字符處理都是以 Unicode 為基礎(chǔ)的,，在軟件運行時根據(jù)當(dāng)時的 Locale/Lang/Codepage 設(shè)置確定相應(yīng)的本地字符編碼設(shè)置，并依此處理本地字符,。在處理過程中需要實現(xiàn) Unicode 和本地字符集的相互轉(zhuǎn)換,。 同然，java內(nèi)部采用的就是Unicode編碼,，所以在java運行的過程中就必然存在從Unicode編碼與相應(yīng)的計算機操作系統(tǒng)或者瀏覽器支持的編碼格式相互轉(zhuǎn)化的過程,，這個轉(zhuǎn)換的過程有一系列的步驟，如果某個步驟出現(xiàn)錯誤,，則輸出的文字就會是亂碼,。 所以產(chǎn)生java亂碼的問題就在于JVM與對應(yīng)的操作系統(tǒng)/瀏覽器進行編碼格式轉(zhuǎn)換時出現(xiàn)了錯誤。 其實要解決java亂碼問題的方法還是比較簡單的,，但是要究其原因,，理解背后的原理還是需要了解 其實解決 JAVA 程序中的漢字編碼問題的方法往往很簡單，但理解其背后的原因,，定位問題,，還需要了解現(xiàn)有的漢字編碼和編碼轉(zhuǎn)換。 常見字符編碼 計算機要準確的處理各種字符集文字,，需要進行字符編碼,，以便計算機能夠識別和存儲各種文字。常見的字符編碼主要包括：ASCII編碼,、GB**編碼,、Unicode,。下面LZ就簡單地介紹下！（為什么是簡單介紹,？因為LZ在網(wǎng)上查找資料想去了解字符編碼時,，發(fā)現(xiàn)這個問題比我想象的復(fù)雜太多了，所以LZ需要另起一篇詳細介紹,，所以各位看客就簡單看看吧?。。? 1.ASCII編碼 ASCII,，American Standard Code for Information Interchange,，是基于拉丁字母的一套電腦編碼系統(tǒng),，主要用于顯示現(xiàn)代英語和其他西歐語言,。它是現(xiàn)今最通用的單字節(jié)編碼系統(tǒng)。 ASCII碼使用指定的7位或者8為二進制數(shù)字組合表示128或者256種可能的字符,。標(biāo)準的ASCII編碼使用的是7（2^7 = 128）位二進制數(shù)來表示所有的大小寫字母,、數(shù)字和標(biāo)點符號已經(jīng)一些特殊的控制字符，最前面的一位統(tǒng)一規(guī)定為0,。其中0～31及127(共33個)是控制字符或通信專用字符,，32～126(共95個)是字符(32是空格），其中48～57為0到9十個阿拉伯?dāng)?shù)字,，65～90為26個大寫英文字母,，97～122號為26個小寫英文字母，其余為一些標(biāo)點符號,、運算符號等,。 2014112400001 2014112400002 2.GBK***編碼 ASCII最大的缺點就是顯示字符有限，他雖然解決了部分西歐語言的顯示問題,，但是對更多的其他語言他實在是無能為了,。隨著計算機技術(shù)的發(fā)展，使用范圍越來越廣泛了,，ASCII的缺陷越來越明顯了,，其他國家和地區(qū)需要使用計算機，必須要設(shè)計一套符合本國/本地區(qū)的編碼規(guī)則,。例如為了顯示中文,，我們就必須要設(shè)計一套編碼規(guī)則用于將漢字轉(zhuǎn)換為計算機可以接受的數(shù)字系統(tǒng)的數(shù)。 GB2312,，用于漢字處理,、漢字通信等系統(tǒng)之間的信息交換，通行于中國大陸,。它的編碼規(guī)則是：小于127的字符的意義與原來相同,，但兩個大于127的字符連在一起時，就表示一個漢字，前面的一個字節(jié)（他稱之為高字節(jié)）從0xA1用到 0xF7,，后面一個字節(jié)（低字節(jié)）從0xA1到0xFE,，這樣我們就可以組合出大約7000多個簡體漢字了。雖然GB2312收錄了這么多漢子,，他所覆蓋的使用率可以達到99%,，但是對于那些不常見的漢字，例如人名,、地名,、古漢語，它就不能處理了,，于是就有下面的GBK,、GB 18030的出現(xiàn)。（點擊GB2312簡體中文編碼表查看）,。 GB18030,，全稱：國家標(biāo)準GB 18030-2005《信息技術(shù) 中文編碼字符集》,是我國計算機系統(tǒng)必須遵循的基礎(chǔ)性標(biāo)準之一,GB18030有兩個版本：GB18030-2000和GB18030-2005。GB18030-2000是GBK的取代版本,，它的主要特點是在GBK基礎(chǔ)上增加了CJK統(tǒng)一漢字擴充A的漢字,。 GB 18030主要有以下特點： 與UTF-8相同，采用多字節(jié)編碼,，每個字可以由1個,、2個或4個字節(jié)組成。 編碼空間龐大,，最多可定義161萬個字符,。 支持中國國內(nèi)少數(shù)民族的文字，不需要動用造字區(qū),。 漢字收錄范圍包含繁體漢字以及日韓漢字 2014112400003 GBK,，漢字編碼標(biāo)準之一，全稱《漢字內(nèi)碼擴展規(guī)范》,，它 向下與 GB 2312 編碼兼容,，向上支持 ISO 10646.1 國際標(biāo)準，是前者向后者過渡過程中的一個承上啟下的標(biāo)準,。它的編碼范圍如下圖： 2014112400004 3.Unicode編碼 正如前面前面所提到的一樣,，世界存在這么多國家，也存在著多種編碼風(fēng)格,，像中文的GB232,、GBK、GB18030,，這樣亂搞一套,，雖然在本地運行沒有問題,，但是一旦出現(xiàn)在網(wǎng)絡(luò)上，由于互不兼容,，訪問則會出現(xiàn)亂碼,。為了解決這個問題，偉大的Unicode編碼騰空出世,。 Unicode編碼的作用就是能夠使計算機實現(xiàn)夸平臺,、跨語言的文本轉(zhuǎn)換和處理。它幾乎包含了世界上所有的符號,，并且每個符號都是獨一無二的,。在它的編碼世界里，每一個數(shù)字代表一個符號,，每一個符號代表了一個數(shù)字,，不存在二義性。 Unicode編碼又稱統(tǒng)一碼,、萬國碼,、單一碼,，它是業(yè)界的一種標(biāo)準,，是為了解決傳統(tǒng)的字符編碼方案的局限而產(chǎn)生的，它為每種語言中的每個字符設(shè)定了統(tǒng)一并且唯一的二進制編碼,，以滿足跨語言,、跨平臺進行文本轉(zhuǎn)換、處理的要求,。同時Unicode是字符集,，它存在很多幾種實現(xiàn)方式如：UTF-8、UTF-16. UTF-8 互聯(lián)網(wǎng)的普及,，強烈要求出現(xiàn)一種統(tǒng)一的編碼方式,。UTF-8就是在互聯(lián)網(wǎng)上使用最廣的一種unicode的實現(xiàn)方式。其他實現(xiàn)方式還包括UTF-16和UTF-32,，不過在互聯(lián)網(wǎng)上基本不用,。重復(fù)一遍：UTF-8是Unicode的實現(xiàn)方式之一。 UTF-8最大的一個特點,，就是它是一種變長的編碼方式,。它可以使用1~4個字節(jié)表示一個符號，根據(jù)不同的符號而變化字節(jié)長度,。 UTF-8的編碼規(guī)則很簡單,，只有兩條： 1）對于單字節(jié)的符號，字節(jié)的第一位設(shè)為0,，后面7位為這個符號的unicode碼,。因此對于英語字母,，UTF-8編碼和ASCII碼是相同的。 2）對于n字節(jié)的符號（n>1）,，第一個字節(jié)的前n位都設(shè)為1,，第n+1位設(shè)為0，后面字節(jié)的前兩位一律設(shè)為10,。剩下的沒有提及的二進制位,，全部為這個符號的unicode碼。 |
|
|
