乱码

Masen — Fri, 06 Feb 2015 07:00:00 GMT

总结：只要把握文件本来的编码以及读取时的编码，乱码问题就不难解决。

页面编码URF-8，get,post提交的编码由filter配置UTF-8，中间件如tomcat server.xml配置UTF-8，数据库UTF-8等。

注意：Java 程序里 “字节” 到 “字符”时（编码）需要指定编码格式，
如 byte[]---String需要，file,xml文件-----到java里的String 也需要，此时未指定编码格式，会用默认gbk，如果指定了编码格式就会按照指定格式生成String字符。
如下lastE2.xml 指定了按照UTF-8 来Reader生成字符串：

new BufferedReader(new InputStreamReader(
new FileInputStream(PyFrontServiceImpl.class.getClassLoader().
getResource("py\\lastE2.xml").toURI().getPath()),"UTF-8"));

如下 InputSource 未指定字节生成字符的编码格式，那么就是默认的。
InputSource source = new InputSource(new ByteArrayInputStream(resultStr.getBytes()));
如果要指定可以增加： source.setEncoding("UTF-8"); 该方法对字符无效，因为字符流创建时会指定编码格式，或已经用默认的格式指定了。
并且，使用发现在tomcat下会出现以下错误： Parse Fatal Error at line 1 column 86: Invalid byte 2 of 2-byte UTF-8 sequence.
替换为字符流就OK：

InputSource source = new InputSource(new StringReader(utf8String));// utf8String已经是UTF-8了，所以不用再次指定

所以，在获取字节到生成字符过程中为了避免乱码，我们一定要制定编码格式，UTF-8。

JVM编码和默认创建对象时的编码(转)：

如果在正體中文Windows中，你使用以下的程式來讀取內含「測試」文字的檔案：

import java.io.*;
public class Main {
    public static void main(String[] args) throws Exception {
        BufferedReader reader = new BufferedReader(new FileReader(args[0]));
        System.out.println(reader.readLine());
        reader.close();
    }
}

如果該檔案是使用MS950處理，那上面的程式可以正確讀出並顯示「測試」，如果文字檔案不是MS950，那就會顯示亂碼，例如，假設是UTF-8儲存「測試」的文字檔案：

C:\workspace>java Main sample.txt
皜祈岫

有些API若不指定編碼，通常會使用JVM預設編碼，預設會與作業系統預設編碼相同，可以使用Charset.defaultCharset()取得預設編碼，在API中，有許多API若不指定編碼，就會採用JVM預設編碼，像是String建構式、getBytes()方法或這邊看到的FileReader等。

為了要正確讀取文字檔案，你要使用InputStreamReader，將讀入的位元組指定編碼進行字串轉換。例如：

import java.io.*;
public class Main {
    public static void main(String[] args) throws Exception {
        BufferedReader reader = new BufferedReader(
            new InputStreamReader(new FileInputStream(args[0]), "UTF-8"));
        System.out.println(reader.readLine());
        reader.close();
    }
}

在正體中文Windows中，如下執行這個程式讀取UTF-8的文字檔案就可以正確顯示「測試」：

C:\workspace>java Main sample.txt
測試

在啟動JVM時，其實可以使用-Dfile.encoding指定JVM預設編碼，例如：

C:\workspace>java -Dfile.encoding=UTF-8 Main sample.txt
皜祈岫

這次你看到了亂碼，這是因為System.out實際上是PrintStream實例，會使用JVM預設編碼輸出文字，就上例而言，System.out使用UTF-8輸出了文字，但你的Console顯示時是使用什麼編碼呢？

程式都是正確的，問題是出在Console，這不單是發生在Windows的Console，也常有程式設計人員指著IDE中的Console問，為什麼看到亂碼或問號，請改變一下你的Console顯示編碼！要不然，在程式中改變一下System.out的編碼處理：

import java.io.*;
public class Main {
    public static void main(String[] args) throws Exception {
	System.setOut(new PrintStream(System.out, true, "Big5"));
		
        BufferedReader reader = new BufferedReader(new FileReader(args[0]));
        System.out.println(reader.readLine());
        reader.close();
    }
}

在這個程式中，不指定FileReader的讀取，所以會使用JVM預設編碼，而System.out會用Big5，所以讀取UTF-8文字檔案時，若如下：

C:\workspace>java -Dfile.encoding=UTF-8 Main sample.txt
測試

由於指定了JVM預設編碼為UTF-8，所以程式中的FileReader會用UTF-8讀取文字檔案，而輸出至主控台時，使用Big5編碼進行處理。

使用某些API時，最好明確指定使用何種編碼，或者至少，要確認你的JVM預設編碼到底是什麼，以及API是否使用JVM預設編碼。

Masen 2015-02-06 15:00 发表评论

BlogJava-自然-文章分类-错误汇总

乱码