1.? 概述

在 下面的描述中，將以"中文"兩個字為例，經查表可以知道其GB2312編碼是"d6d0 cec4"，Unicode編碼為"4e2d 6587"， UTF編碼就是"e4b8ad e69687"。注意，這兩個字沒有iso8859-1編碼，但可以用iso8859-1編碼來"表示"。

2.? 編碼基本知識

最早的編碼是iso8859-1，和ascii編碼相似。但為了方便表示各種各樣的語言，逐漸出現了很多標準編碼，重要的有如下幾個。

2.1iso8859-1

屬于單字節編碼，最多能表示的字符范圍是0-255，應用于英文系列。比如，字母'a'的編碼為0x61=97。

很明顯，iso8859-1編碼表示的字符范圍很窄，無法表示中文字符。但是，由于是單字節編碼，和計算機最基礎的表示單位一致，所以很多時候，仍舊使用 iso8859-1編碼來表示。而且在很多協議上，默認使用該編碼。比如，雖然"中文"兩個字不存在iso8859-1編碼，以gb2312編碼為例，應該是"d6d0 cec4"兩個字符，使用iso8859-1編碼的時候則將它拆開為4個字節來表示："d6 d0 ce c4"(事實上，在進行存儲的時候，也是以字節為單位處理的)。而如果是UTF編碼，則是6個字節"e4 b8 ad e6 96 87"。很明顯，這種表示方法還需要以另一種編碼為基礎。

2.2GB2312/GBK

這就是漢子的國標碼，專門用來表示漢字，是雙字節編碼，而英文字母和iso8859-1一致(兼容iso8859-1編碼)。其中gbk編碼能夠用來同時表示繁體字和簡體字，而gb2312只能表示簡體字，gbk是兼容gb2312編碼的。

2.3unicode

這是最統一的編碼，可以用來表示所有語言的字符，而且是定長雙字節(也有四字節的)編碼，包括英文字母在內。所以可以說它是不兼容iso8859-1編碼的，也不兼容任何編碼。不過，相對于iso8859-1編碼來說，uniocode編碼只是在前面增加了一個0字節，比如字母'a'為"00 61"。

需要說明的是，定長編碼便于計算機處理(注意GB2312/GBK不是定長編碼)，而unicode又可以用來表示所有字符，所以在很多軟件內部是使用unicode編碼來處理的，比如Java。

2.4UTF

考慮到unicode編碼不兼容iso8859-1編碼，而且容易占用更多的空間：因為對于英文字母，unicode也需要兩個字節來表示。所以 unicode不便于傳輸和存儲。因此而產生了utf編碼，utf編碼兼容iso8859-1編碼，同時也可以用來表示所有語言的字符，不過，utf編碼是不定長編碼，每一個字符的長度從1-6個字節不等。另外，utf編碼自帶簡單的校驗功能。一般來講，英文字母都是用一個字節表示，而漢字使用三個字節。

注意，雖然說utf是為了使用更少的空間而使用的，但那只是相對于unicode編碼來說，如果已經知道是漢字，則使用 GB2312/GBK無疑是最節省的。不過另一方面，值得說明的是，雖然utf編碼對漢字使用3個字節，但即使對于漢字網頁，utf編碼也會比 unicode編碼節省，因為網頁中包含了很多的英文字符。

3.? java對字符的處理

在java應用軟件中，會有多處涉及到字符集編碼，有些地方需要進行正確的設置，有些地方需要進行一定程度的處理。

3.1getBytes(charset)

這是java字符串處理的一個標準函數，其作用是將字符串所表示的字符按照charset編碼，并以字節方式表示。注意字符串在java內存中總是按 unicode編碼存儲的。比如"中文"，正常情況下(即沒有錯誤的時候)存儲為"4e2d 6587"，如果charset為"gbk"，則被編碼為 "d6d0 cec4"，然后返回字節"d6 d0 ce c4"。如果charset為"utf8"則最后是"e4 b8 ad e6 96 87"。 如果是"iso8859-1"，則由于無法編碼，最后返回 "3f 3f"(兩個問號)。

3.2new String(charset)

這是java字符串處理的另一個標準函數，和上一個函數的作用相反，將字節數組按照charset編碼進行組合識別，最后轉換為unicode存儲。參考上述getBytes的例子，"gbk" 和"utf8"都可以得出正確的結果"4e2d 6587"，但iso8859-1最后變成了 "003f 003f"(兩個問號)。

因為utf8可以用來表示/編碼所有字符，所以new String(str.getBytes("utf8"), "utf8") === str，即完全可逆。

3.3setCharacterEncoding()

該函數用來設置http請求或者相應的編碼。

對 于request，是指提交內容的編碼，指定后可以通過getParameter()則直接獲得正確的字符串，如果不指定，則默認使用iso8859-1 編碼，需要進一步處理。參見下述"表單輸入"。值得注意的是在執行setCharacterEncoding()之前，不能執行任何 getParameter()。java doc上說明： This method must be called prior to reading request parameters or reading input using getReader ()。而且，該指定只對POST方法有效，對GET方法無效。分析原因，應該是在執行第一個getParameter()的時候，java將會按照編碼分析所有的提交內容，而后續的getParameter()不再進行分析，所以setCharacterEncoding()無效。而對于GET方法提交表單是，提交的內容在URL中，一開始就已經按照編碼分析所有的提交內容，setCharacterEncoding()自然就無效。

對于response，則是指定輸出內容的編碼，同時，該設置會傳遞給瀏覽器，告訴瀏覽器輸出內容所采用的編碼。

3.4處理過程

下面分析兩個有代表性的例子，說明java對編碼有關問題的處理方法。

3.4.1? 表單輸入

表單輸入編碼過程如下：

(1) User input *(gbk：d6d0 cec4)

(2) browser(gbk：d6d0 cec4)

(3) web server(iso8859-1：00d6 00d 000ce 00c4)

(4) class

需要在class中進行處理：getbytes("iso8859-1")為d6 d0 ce c4，new String ("gbk")為d6d0 cec4，內存中以unicode編碼則為4e2d 6587。

(1) 用戶輸入的編碼方式和頁面指定的編碼有關，也和用戶的操作系統有關，所以是不確定的，上例以gbk為例。

(2) 從browser到web server，可以在表單中指定提交內容時使用的字符集，否則會使用頁面指定的編碼。而如果在url中直接用?的方式輸入參數，則其編碼往往是操作系統本身的編碼，因為這時和頁面無關。上述仍舊以gbk編碼為例。

(3) Web server 接收到的是字節流，默認時(getParameter)會以iso8859-1編碼處理之，結果是不正確的，所以需要進行處理。但如果預先設置了編碼(通過request.setCharacterEncoding())，則能夠直接獲取到正確的結果。

(4) 在頁面中指定編碼是個好習慣，否則可能失去控制，無法指定正確的編碼。

3.4.2? 文件編譯

假設文件是gbk編碼保存的，而編譯有兩種編碼選擇：gbk或者iso8859-1，前者是中文windows的默認編碼，后者是linux的默認編碼，當然也可以在編譯時指定編碼。

編譯過程如下：

(1) Jsp * (gbk:d6d0 cec4)

(2) java file? *(gbk:d6d0 cec4)

(3) compiler read? uincode(gbk:4e2d 6587; iso8859-1:00d6 00d 000ce 00c4)

(4) compiler write utf(gbk:e4b8ad e69687; iso8859-1:*)

(5) compiled file unicode(gbk:4e2d 6587; iso8859-1:00d6 00d 000ce 00c4)

(6) class unicode(4e2d 6587)

(7) system.out / jsp.out gbk(d6d0 cec4)

(8) os console / browser

所以用gbk編碼保存，而用iso8859-1編譯的結果是不正確的。

(1) 文件可以以多種編碼方式保存，中文windows下，默認為ansi/gbk。

(2) 編譯器讀取文件時，需要得到文件的編碼，如果未指定，則使用系統默認編碼。一般class文件，是以系統默認編碼保存的，所以編譯不會出問題，但對于 jsp文件，如果在中文windows下編輯保存，而部署在英文linux下運行/編譯，則會出現問題。所以需要在jsp文件中用 pageEncoding指定編碼。

(3) Java編譯的時候會轉換成統一的unicode編碼處理，最后保存的時候再轉換為utf編碼。

(4) 當系統輸出字符的時候，會按指定編碼輸出，對于中文windows下，System.out將使用gbk編碼，而對于response(瀏覽器)，則使用 jsp文件頭指定的contentType，或者可以直接為response指定編碼。同時，會告訴browser網頁的編碼。如果未指定，則會使用 iso8859-1編碼。對于中文，應該為browser指定輸出字符串的編碼。

(5) browser顯示網頁的時候，首先使用response中指定的編碼(jsp文件頭指定的contentType最終也反映在response上)，如果未指定，則會使用網頁中meta項指定中的contentType。

3.5幾處設置

對于web應用程序，和編碼有關的設置或者函數如下。

3.5.1? jsp編譯

指定文件的存儲編碼，很明顯，該設置應該置于文件的開頭。例如：。另外，對于一般class文件，可以在編譯的時候指定編碼。

3.5.2? jsp輸出

指定文件輸出到browser是使用的編碼，該設置也應該置于文件的開頭。例如：。該設置和response.setCharacterEncoding("GBK")等效。

3.5.3? meta設置

指定網頁使用的編碼，該設置對靜態網頁尤其有作用。因為靜態網頁無法采用jsp的設置，而且也無法執行 response.setCharacterEncoding()。

例如：

如果同時采用了jsp輸出和meta設置兩種編碼指定方式，則jsp指定的優先。因為jsp指定的直接體現在response中。

需要注意的是，apache有一個設置可以給無編碼指定的網頁指定編碼，該指定等同于jsp的編碼指定方式，所以會覆蓋靜態網頁中的meta指定。所以有人建議關閉該設置。

3.5.4? form設置

當瀏覽器提交表單的時候，可以指定相應的編碼。例如：

。一般不必不使用該設置，瀏覽器會直接使用網頁的編碼。

總結

以上是生活随笔為你收集整理的linux java字符集编码_Java字符集编码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。