关于java中文乱码问题一些解决方案和经验

 1.字节和unicode
java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式是使用字节流的。因此java要对这些字节流经行转化。char是unicode的，而byte是字节。java中byte/char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，可以用来告诉你，你用的convertor。其中两个很常用的静态函数是
publicstaticByteToCharConvertergetDefault();
publicstaticByteToCharConvertergetConverter(Stringencoding);
如果你不指定converter，则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用8859_1。
byte——〉char：
"你"的gb码是：0xc4e3,unicode是0x4f60
Stringencoding="gb2312";
byteb[]={(byte)"u00c4",(byte)"u00e3"};
ByteToCharConverterconverter=ByteToCharConverter.getConverter(encoding);
charc[]=converter.convertAll(b);
for(inti=0;i＜c.length;i++){
System.out.println(Integer.toHexString(c[i]));
}
结果是什么？0x4f60
如果encoding="8859_1"，结果又是什么？0x00c4,0x00e3

    2.utf-8
utf-8是和unicode一一对应的，其实现很简单
7位的unicode:0_______
11位的unicode:110_____10______
16位的unicode:1110____10______10______
21位的unicode:11110___10______10______10______
大多数情况是只使用到16位以下的unicode:
"你"的gb码是：0xc4e3,unicode是0x4f60
0xc4e3的二进制：
1100，0100，1110，0011
由于只有两位我们按照两位的编码来排，但是我们发现这行不通，因为第７位不是0因此，返回"?"
0x4f60的二进制：
0100，1111，0110，0000
我们用utf-8补齐，变成：
1110，0100，1011，1101，1010，0000
e4--bd--a0
于是返回：0xe4,0xbd,0xa0。

数据挖掘实验室

    3.string和byte[]
string其实核心是char[],然而要把byte转化成string，必须经过编码。string.length()其实就是char数组的长度，如果使用不同的编码，很可能会错分，造成散字和乱码。
例如：
Stringencoding=“”;
byte[]b={(byte)"u00c4",(byte)"u00e3"};
Stringstr=newString(b,encoding);
如果encoding=8859_1，会有两个字，但是encoding=gb2312只有一个字这个问题在处理分页是经常发生。 数据挖掘论坛

     4.Reader,Writer/InputStream,OutputStream
Reader和Writer核心是char，InputStream和OutputStream核心是byte。但是Reader和Writer的主要目的是要把char读/写InputStream/OutputStream。
例如：
文件test.txt只有一个"你"字，0xc4,0xe3
Stringencoding="gb2312";
InputStreamReaderreader=newInputStreamReader(newFileInputStream(
"text.txt"),encoding);
charc[]=newchar[10];
intlength=reader.read(c);
for(inti=0;i＜length;i++){
System.out.println(c[i]);
}
结果是什么？你
如果encoding="8859_1"，结果是什么？??两个字符，表示不认识。
反过来的例子自己做。 数据挖掘实验室

    5.我们要对java的编译器有所了解 ：
javac?encoding
我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。如果没有指定encoding，则按照系统的默认encoding,gb平台上是gb2312，英文平台上是iso8859_1。
java的编译器实际上是调用sun.tools.javac.main的类，对文件进行编译，这个类有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。编译器就是根据这个变量来读取java文件的，然后把用utf-8形式编译成class文件。
例子代码：
Stringstr="你";
FileWriterwriter=newFileWriter("text.txt");
write.write(str);
writer.close();
如果用gb2312编译，你会找到e4bda0的字段；
如果用8859_1编译，00c400e3的二进制：
0000，0000，1100，0100，0000，0000，1110，0011
因为每个字符都大于7位，因此用11位编码：
1100，0001，1000，0100，1100，0011，1010，0011
c1--84--c3--a3
你会找到c184c3a3。
但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：
样例代码在中文平台上编译，生成zhclass

数据挖掘论坛

数据挖掘论坛

    6.其它原因：
＜%@pagecontentType="text/html;charset=GBK"%>
设置浏览器的显示编码，如果response的数据是utf8编码，显示将是乱码，但是乱码和上述原因还不一样。 数据挖掘论坛

    7.发生编码的地方 ：
从数据库到java程序byte——〉char
从java程序到数据库char——〉byte
从文件到java程序byte——〉char
从java程序到文件char——〉byte
从java程序到页面显示char——〉byte
从页面form提交数据到java程序byte——〉char
从流到java程序byte——〉char
从java程序到流char——〉byte
谢志钢的解决方法：
我是使用配置过滤器的方法解决中文乱码的：
＜web-app>
＜filter>
＜filter-name>RequestFilter＜/filter-name>
＜filter-class>net.golden.uirs.util.RequestFilter＜/filter-class>
＜init-param>
＜param-name>charset＜/param-name>
＜param-value>gb2312＜/param-value>
＜/init-param>
＜/filter>
＜filter-mapping>
＜filter-name>RequestFilter＜/filter-name>
＜url-pattern>*.jsp＜/url-pattern>
＜/filter-mapping>
＜/web-app>

数据挖掘交友