JVM

JVM啟動(dòng)后，JVM會(huì)設(shè)置一些系統(tǒng)屬性以表明JVM的缺省區(qū)域。

user.language,user.region,file.encoding等。

可以使用System.getProperties()詳細(xì)查看所有的系統(tǒng)屬性。

如在英文操作系統(tǒng)(如UNIX)下，可以使用如下屬性定義強(qiáng)制指定JVM為中文環(huán)境

-Dclient.encoding.override=GBK -

Dfile.encoding=GBK -Duser.language=zh -Duser.region=CN

.java-->.class編譯

說(shuō)明：一般javac根據(jù)當(dāng)前os區(qū)域設(shè)置,自動(dòng)決定源文件的編碼.可以通過(guò)-encoding強(qiáng)制指定.

錯(cuò)誤可能:

1 gbk編碼源文件在英文環(huán)境下編譯,javac不能正確轉(zhuǎn)換.曾見(jiàn)于java/jsp在英文unix下.

檢測(cè)方法:寫\u4e00格式的漢字，繞

開javac編碼,再在jvm中,將漢字作為int打印，看值是否相等；或直接以UTF-8編碼打開.class

文件，看看常量字符串是否正

確保存漢字。

文件讀寫

外部數(shù)據(jù)如文件經(jīng)過(guò)讀寫和轉(zhuǎn)換兩個(gè)步驟，轉(zhuǎn)為jvm所使用字符。InputStream/OutputStream用于讀寫原始外部數(shù)據(jù)，

Reader/Writer執(zhí)行讀寫和轉(zhuǎn)換兩個(gè)步驟。

1 文件讀寫轉(zhuǎn)換由java.io.Reader/Writer執(zhí)行；輸入輸出流 InputStream/OutputStream

處理漢字不合適,應(yīng)該首選使用

Reader/Writer，如 FileReader/FileWriter。

2

FileReader/FileWriter使用JVM當(dāng)前編碼讀寫文件.如果有其它編碼格式,使用InputStreamReader/OutputStreamWriter

3 PrintStream有點(diǎn)特殊，它自動(dòng)使用jvm缺省編碼進(jìn)行轉(zhuǎn)換。

讀取.properties文件

.propeties 文件由Properties類以iso8859-1編碼讀取，因此不能在其中直接寫漢字，需要使用JDK

的native2ascii工具轉(zhuǎn)換

漢字為\uXXXX格式。命令行：native2ascii ?encoding GBK inputfile

outputfile

讀取XML文件

1 XML文件讀寫同于文件讀寫，但應(yīng)注意確保XML頭中聲明如 xml version=”1.0”

encoding=”gb2312” ?>與文件編碼保

持一致。

2

javax.xml.SAXParser類接受InputStream作為輸入?yún)?shù)，對(duì)于Reader，需要用org.xml.sax.InputSource包裝一下，再給

SAXParser。

3 對(duì)于UTF-8編碼 XML，注意防止編輯器自動(dòng)加上\uFFFE BOM頭, xml parser會(huì)報(bào)告content is not

allowed in prolog。

字節(jié)數(shù)組

1 使用 new String(byteArray,encoding) 和 String.getBytes(encoding)

在字節(jié)數(shù)組和字符串之間進(jìn)行轉(zhuǎn)換

也可以用ByteArrayInputStream/ByteArrayOutputStream轉(zhuǎn)為流后再用InputStreamReader/OutputStreamWriter轉(zhuǎn)換。

錯(cuò)誤編碼的字符串(iso8859-1轉(zhuǎn)碼gbk)

如果我們得到的字符串是由錯(cuò)誤的轉(zhuǎn)碼方式產(chǎn)生的，例如：對(duì)于gbk中文，由iso8859-1方式轉(zhuǎn)換，此時(shí)如果用調(diào)試器看到的字

符串一般是 的樣子，長(zhǎng)度一般為文本的字節(jié)長(zhǎng)度，而非漢字個(gè)數(shù)。

可以采用如下方式轉(zhuǎn)為正確的中文：

text = new String( text.getBytes(“iso8859-1”),”gbk”);

WEB/Servlet/JSP

1 對(duì)于JSP，確定頭部加上

contentType="text/html;charset=gb2312"%>這樣的標(biāo)簽。

2 對(duì)于Servlet，確定 設(shè)置setContentType (“text/html;

charset=gb2312”)，以上兩條用于使得輸出漢字沒(méi)有問(wèn)題。

3 為輸出HTML head中加一個(gè)

content="text/html; charset=gb2312"> ，讓瀏覽器正確

確定HTML編碼。

4

為Web應(yīng)用加一個(gè)Filter，確保每個(gè)Request明確調(diào)用setCharacterEncoding方法,讓輸入漢字能夠正確解析。

import java.io.IOException;

import javax.servlet.Filter;

import javax.servlet.FilterChain;

import javax.servlet.FilterConfig;

import javax.servlet.ServletException;

import javax.servlet.ServletRequest;

import javax.servlet.ServletResponse;

import javax.servlet.UnavailableException;

import javax.servlet.http.HttpServletRequest;

public class SetCharacterEncodingFilter

implements Filter {

public SetCharacterEncodingFilter()

{}

protected boolean debug = false;

protected String encoding = null;

protected FilterConfig filterConfig = null;

public void destroy() {

this.encoding = null;

this.filterConfig = null;

}

public void doFilter(ServletRequest request, ServletResponse

response,

FilterChain chain) throws IOException, ServletException {

// if (request.getCharacterEncoding() == null)

// {

// String encoding = getEncoding();

// if (encoding != null)

// request.setCharacterEncoding(encoding);

//

// }

request.setCharacterEncoding(encoding);

if ( debug ){

System.out.println(

((HttpServletRequest)request).getRequestURI()+"setted to "+encoding

);

}

chain.doFilter(request, response);

}

public void init(FilterConfig filterConfig) throws ServletException

{

this.filterConfig = filterConfig;

this.encoding = filterConfig.getInitParameter("encoding");

this.debug = "true".equalsIgnoreCase(

filterConfig.getInitParameter("debug") );

}

protected String getEncoding() {

return (this.encoding);

}

}

web.xml中加入：

LocalEncodingFilter

LocalEncodingFilter

com.ccb.ectipmanager.request.SetCharacterEncodingFilter

encoding

gb2312

debug

false

LocalEncodingFilter

JNIEXPORT jstring

NewStringPlatform(JNIEnv *env, const char *str);

JNIEXPORT const char *

GetStringPlatformChars(JNIEnv *env, jstring jstr, jboolean

*isCopy);

JNIEXPORT jstring JNICALL

JNU_NewStringPlatform(JNIEnv *env, const char *str);

JNIEXPORT const char * JNICALL

JNU_GetStringPlatformChars(JNIEnv *env, jstring jstr, jboolean

*isCopy);

JNIEXPORT void JNICALL

JNU_ReleaseStringPlatformChars(JNIEnv *env, jstring jstr, const

char *str);

附件jni_util.h,jni_util.c

JDK1.4/1.5新增部分

字符集相關(guān)類(Charset/CharsetEncoder/CharsetDecoder)

jdk1.4開始，對(duì)字符集的支持在java.nio.charset包中實(shí)現(xiàn)。

常用功能：

1 列出jvm所支持字符集：Charset.availableCharsets()

2 能否對(duì)看某個(gè)Unicode字符編碼，CharsetEncoder.canEncode()

常見(jiàn)問(wèn)題

在JVM下，用System.out.println不能正確打印中文，顯示為???

System.out.println是PrintStream，它采用jvm缺省字符集進(jìn)行轉(zhuǎn)碼工作，如果jvm的缺省字符集為iso8859-1，則中文顯示會(huì)

有問(wèn)題。此問(wèn)題常見(jiàn)于Unix下，jvm的區(qū)域沒(méi)有明確指定的情況。

在英文UNIX環(huán)境下,用System.out.println能夠正確打印漢字，但是內(nèi)部處理錯(cuò)誤

可能是漢字在輸入轉(zhuǎn)換時(shí)，就沒(méi)有正確轉(zhuǎn)碼：

即gbk文本à(iso8859-1轉(zhuǎn)碼)àjvm char(iso8859-1編碼漢字)à

(iso8859-1轉(zhuǎn)碼)à輸出。

gbk漢字經(jīng)過(guò)兩次錯(cuò)誤轉(zhuǎn)碼，原封不動(dòng)的被傳遞到輸出，但是在jvm中，并未以正確的unicode編碼表示，而是以一個(gè)漢字字節(jié)

一個(gè)char的方式表示，從而導(dǎo)致此類錯(cuò)誤。

GB2312-80，GBK，GB18030-2000 漢字字符集

GB2312-80 是在國(guó)內(nèi)計(jì)算機(jī)漢字信息技術(shù)發(fā)展初始階段制定的，其中包含了大部分常用的一、二級(jí)漢字，和 9 區(qū)的符號(hào)。該

字符集是幾乎所有的中文系統(tǒng)和國(guó)際化的軟件都支持的中文字符集，這也是最基本的中文字符集。其編碼范圍是高位0xa1－

0xfe，低位也是 0xa1-0xfe；漢字從 0xb0a1 開始，結(jié)束于 0xf7fe；

GBK 是 GB2312-80 的擴(kuò)展，是向上兼容的。它包含了 20902 個(gè)漢字，其編碼范圍是 0x8140-0xfefe，剔除高位

0x80 的字位

。其所有字符都可以一對(duì)一映射到 Unicode 2.0，也就是說(shuō) JAVA 實(shí)際上提供了 GBK 字符集的支持。這是現(xiàn)階段

Windows 和

其它一些中文操作系統(tǒng)的缺省字符集，但并不是所有的國(guó)際化軟件都支持該字符集，感覺(jué)是他們并不完全知道 GBK 是怎么回

事。值得注意的是它不是國(guó)家標(biāo)準(zhǔn)，而只是規(guī)范。隨著

GB18030-2000國(guó)標(biāo)的發(fā)布，它將在不久的將來(lái)完成它的歷史使命。

GB18030-2000(GBK2K) 在 GBK 的基礎(chǔ)上進(jìn)一步擴(kuò)展了漢字，增加了藏、蒙等少數(shù)民族的字形。GBK2K

從根本上解決了字位不

夠，字形不足的問(wèn)題。它有幾個(gè)特點(diǎn)，

它并沒(méi)有確定所有的字形，只是規(guī)定了編碼范圍，留待以后擴(kuò)充。

編碼是變長(zhǎng)的，其二字節(jié)部分與 GBK 兼容；四字節(jié)部分是擴(kuò)充的字形、字位，其編碼范圍是首字節(jié)

0x81-0xfe、二字節(jié)0x30

-0x39、三字節(jié) 0x81-0xfe、四字節(jié)0x30-0x39。

UTF-8/UTF-16/UTF-32

UTF，即Unicode Transformer Format，是Unicode代碼點(diǎn)(code

point)的實(shí)際表示方式，按其基本長(zhǎng)度所用位數(shù)分為UTF-

8/16/32。它也可以認(rèn)為是一種特殊的外部數(shù)據(jù)編碼，但能夠與Unicode代碼點(diǎn)做一一對(duì)應(yīng)。

UTF-8是變長(zhǎng)編碼，每個(gè)Unicode代碼點(diǎn)按照不同范圍，可以有1-3字節(jié)的不同長(zhǎng)度。

UTF-16長(zhǎng)度相對(duì)固定，只要不處理大于\U200000范圍的字符，每個(gè)Unicode代碼點(diǎn)使用16位即2字節(jié)表示，超出部分使用兩個(gè)

UTF-16即4字節(jié)表示。按照高低位字節(jié)順序，又分為UTF-16BE/UTF-16LE。

UTF-32長(zhǎng)度始終固定，每個(gè)Unicode代碼點(diǎn)使用32位即4字節(jié)表示。按照高低位字節(jié)順序，又分為UTF-32BE/UTF-32LE。

UTF 編碼有個(gè)優(yōu)點(diǎn)，即盡管編碼字節(jié)數(shù)不等，但是不像gb2312/gbk編碼一樣，需要從文本開始尋找，才能正確對(duì)漢字進(jìn)行定位

。在UTF編碼下，根據(jù)相對(duì)固 定的算法，從當(dāng)前位置就能夠知道當(dāng)前字節(jié)是否是一個(gè)代碼點(diǎn)的開始還是結(jié)束，從而相對(duì)簡(jiǎn)單的

進(jìn)行字符定位。不過(guò)定位問(wèn)題最簡(jiǎn)單的還是UTF-32，它根本不 需要進(jìn)行字符定位，但是相對(duì)的大小也增加不少。

關(guān)于GCJ JVM

GCJ并未完全依照sun jdk的做法，對(duì)于區(qū)域和編碼問(wèn)題考慮尚不夠周全。GCJ啟動(dòng)時(shí)，區(qū)域始終設(shè)為en_US，編碼也缺省為

iso8859-1。但是可以用Reader/Writer做正確編碼轉(zhuǎn)換

總結(jié)

以上是生活随笔為你收集整理的java对字符串编码转换_(转) Java字符编码转换的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。