优秀是一种习惯

 

Java基础——孙鑫谈Java中文乱码问题产生原因分析(二)

声明:本文转载自:http://www.mybole.com.cn/article/815.html

在输出字符和字符串的时候,会从Unicode编码向中文系统默认的编码GBK转换,由于Unicode编码0xfffdGBK字符集中没有对应的编码,于是得到0x3f,输出字符“?”。最后输出的结果如下:

fffd--?

40--@

554a--

从上述所知,由于存在着多种不同的字符集,在各种字符集之间进行转换,就有可能出现乱码,同样是中文字符集GB2312GBK,由于编码范围的不同,某些字符在转换时也会出现乱码。

在一个使用了数据库的Web应用程序中,乱码可能会在多个环节产生。由于浏览器会根据本地系统默认的字符集来提交数据,而Web容器默认采用的是ISO-8859-1的编码方式解析POST数据,在浏览器提交中文数据后,Web容器会按照ISO-8859-1字符集来解码数据,在这一环节可能会导致乱码的产生。由于大多数数据库的JDBC驱动程序默认采用ISO-8859-1的编码方式在Java程序和数据库之间传递数据,我们的程序在向数据库中存储包含中文的数据时,JDBC驱动首先将程序内部的Unicode编码格式的数据转化为ISO-8859-1的格式,然后传递到数据库中,在这一环节可能会导致乱码的产生。目前流行的关系型数据库系统都支持数据库编码,也就是说在创建数据库时可以指定它自己的字符集设置,数据库的数据以指定的编码形式存储。当JDBC驱动向数据库中保存数据时,有可能还会发生字符集的转换。正是由于在Web应用程序运行过程中,输入的中文字符需要在不同的字符集之间来回转换,也就导致了中文乱码问题的频繁出现。

17-1  描述了在Web应用的请求响应过程中,发生的字符编码转换过程,其中浏览器是IE 6.0Web容器的是Tomcat 6.0.16

从图17-1 描述的过程中可以看到,如果在Web应用程序中不指定任何的字符集,从浏览器端传来的中文字符,输出回浏览器时,可以正常显示(以简体中文的方式查看网页)。然而,事情并没有这么简单,在Servlet/JSP中,可能存在着直接写入的或从其他来源读取的中文字符,如果这些字符对应的Unicode码是从GB2312编码转换而来,那么以ISO-8859-1编码方式输出,这些字符将不能正常显示。所以对于中文的处理,应该在图17-1②和⑤的位置明确指定使用GB2312GBK字符集。

 17-1 Web请求响应过程中,中文字符编码的转换过程

java中文乱码问题的解决方案

只要掌握了中文乱码问题产生的原因,然后对症下药,就可以顺利地解决这些问题。下面我们对容易产生乱码问题的场景进行分析,并提出解决方案。

1.以POST方法提交的表单数据中有中文字符

由于Web容器默认的编码方式是ISO-8859-1,在Servlet/JSP程序中,通过请求对象的getParameter()方法得到的字符串是以ISO-8859-1转换而来,这是导致乱码产生的原因之一。为了避免容器以ISO-8859-1的编码方式返回字符串,对于以POST方法提交的表单数据,可以在获取请求参数值之前,调用request.setCharacterEncoding"GBK"),明确指定请求正文使用的字符编码方式是GBK。在向浏览器发送中文数据之前,调用response.setContentType"text/html;charset=GBK"),指定输出内容的编码方式是GBK

对于JSP页面,在获取请求参数值之前,写上下面的代码:

<%request.setCharacterEncoding("GB2312");%>

为了指定输出内容的编码格式,设置page指令contentType属性,如下:

<%@ page contentType="text/html; charset=GBK" %>

Web容器转换JSP页面后的Servlet类中,会自动添加下面的代码:

response.setContentType("text/html; charset=GBK");

2.以GET方法提交的表单数据中有中文字符

当提交表单采用GET方法时,提交的数据作为查询字符串被附加到URL的末端,发送到服务器,此时在服务器端调用setCharacterEncoding()方法也就没有作用了。我们需要在得到请求参数的值后,自己做正确的编码转换。

String name = request.getParameter("name");

name=new String(name.getBytes("ISO-8859-1"),"GBK");

在第一行,调用getParameter()方法得到的字符串nameUnicode值是以ISO-8859-1编码转换而来,调用name.getBytes"ISO-8859-1"),将得到原始的GBK编码值,接着,对new String()的调用将以GBK字符集重新构造字符串的Unicode编码。

为了方便从ISO-8859-1编码到GBK的转换,我们可以编写一个工具方法,如下:

public String toGBK(String str)

                 throws java.io.UnsupportedEncodingException

{

    return new String(str.getBytes("ISO-8859-1"),"GBK");

}

3.在数据库中存储和读取中文数据

对于大多数数据库的JDBC驱动程序,在Java程序和数据库之间传递数据都是以ISO-8859-1为默认编码格式,所以,我们在程序中向数据库存储包含中文的数据时,JDBC驱动程序首先把程序内部的Unicode编码格式的数据转化为ISO-8859-1编码,然后传递到数据库中,加上数据库本身也有字符集,这就是为什么我们常常在数据库中读取中文数据时,读到的是乱码。

要解决上述问题,只需要将数据库默认的编码格式改为GBKGB2312即可,不同的数据库还提供了另外的方式来处理字符编码转换的问题,读者在实际应用过程中,可针对具体情况再做具体处理,只要理解了编码转换的过程,就能找到问题的所在,进而解决问题。4Servlet/JSP在不同语言系统的平台下运行

有时候,我们在中文系统平台下开发的Web应用程序移植到英文系统平台下,在ServletJSP中直接书写的中文字符串在输出时,将显示为乱码。这是因为在编译Servlet类或者JSP文件时,如果没有使用-encoding参数指定Java源程序的编码格式,javac会获取本地操作系统默认采用的字符集,以该字符集将Java源程序转换为Unicode编码保存到内存中,然后将源程序编译为字节码文件(字节码文件采用的是UTF-8编码),保存到硬盘上。

在英文平台下,采用的默认编码格式是ISO-8859-1,所以在编译转换后,执行输出时,原先在源文件中书写的中文字符串就变成了乱码。

要解决这个问题,在编译Servlet的源程序时,可以用-encoding参数指定编码为GBKGB2312,例如:

javac –encoding GBK HelloServlet.java

对于JSP页面,只要在page指令中用contentType属性或pageEncoding属性指定编码格式为GBKGB2312Web容器就可以正确转换和编译JSP文件了。例如:

<%@ page contentType="text/html; charset=GBK" %>

<%@ page pageEncoding="GBK" %>

在实际的Web应用中,乱码问题产生的原因多种多样,然而只要我们理解了字符编码的转换过程,仔细地分析乱码产生的原因,找到问题的关键,就能对症下药,解决问题。

posted on 2009-08-12 09:55 黄土高坡 阅读(347) 评论(0)  编辑  收藏


只有注册用户登录后才能发表评论。


网站导航:
 

导航

统计

常用链接

留言簿

随笔分类

随笔档案

收藏夹

搜索

最新评论

阅读排行榜

评论排行榜