|
预备知识：
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。
public static ByteToCharConverter getDefault() ;
public static ByteToCharConverter getConverter(String encoding);
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
我们来就一个简单的例子：
"你"的gb码是：0xC4E3 ，unicode是0x4F60
你用:
encoding="gb2312";
byte b[]={(byte)'\u00c4'，(byte)'\u00E3'};
convertor=ByteToCharConverter.getConverter(encoding);
char [] c=converter.convertAll(b);
for(int i=0;i<c.length;c++)
{
***.out.println(Integer.toHexString(c[i]));
}
打印出来是0x4F60
但是如果使用8859_1的编码，打印出来是
0x00C4，0x00E3
例１
反过来：
encoding="gb2312";
char c[]={'\u4F60'};
convertor=ByteToCharConverter.getConverter(encoding);
byte [] b=converter.convertAll(c);
for(int i=0;i<b.length;c++)
{
***.out.println(Integer.toHexString(b[i]));
}
打印出来是：0xC4，0xE3
例２
如果用8859_1就是0x3F，?号，表示无法转化
很多中文问题就是从这两个最简单的类派生出来的。而却有很多类不直接支持把Encoding输入，这给我们带来诸多不便。很多程序难得用encoding了，直接用default的encoding，这就给我们移植带来了很多困难
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: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _
16位的Unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
21位的Unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
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
我们还是用上面的例子
例１：0xC4E3的二进制：
1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1
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"?"
例２：0x4F60的二进制：
0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0
我们用UTF-8补齐，变成：
11100100 10111101 10100000
E4--BD-- A0
于是返回0xE4，0xBD，0xA0
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：
byte [] b={(byte)'\u00c4'，(byte)'\u00e3'};
String str=new String(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
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
一个reader的例子：
文件test.txt只有一个"你"字，0xC4，0xE3
String encoding=;
InputStreamReader reader=new InputStreamReader(
new FileInputStream("text.txt")，encoding);
char []c=new char[10];
int length=reader.read(c);
for(int i=0;i<c.length;i++)
***.out.println(c[i]);
如果encoding是gb2312，则只有一个字符，如果encoding=8859_1，则有两个字符
2.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。
一个例子：
public void test()
{
String str="你";
FileWriter write=new FileWriter("test.txt");
write.write(str);
write.close();
}
例３
如果用gb2312编译，你会找到E4 BD A0的字段
如果用8859_1编译，
00C4 00E3的二进制：
00000000 11000100 00000000 11100011--
因为每个字符都大于7位，因此用11位编码：
11000001 10000100 11000011 10100011
C1-- 84--C3-- A3
你会找到C1 84 C3 A3 --
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：
例３在中文平台上编译，生成ZhClass
例３在英文平台上编译，输出EnClass
1.ZhClass在中文平台上执行OK，但是在英文平台上不行
2.EnClass在英文平台上执行OK，但是在中文平台上不行
原因：
1.在中文平台上编译后，其实str在运行态的char[]是0x4F60，在中文平台上运行，FileWriter的缺省编码是gb2312，因此CharToByteConverter会自动用调用gb2312的converter，把str转化成byte输入到FileOutputStream中，于是0xC4，0xE3放进了文件。但是如果是在英文平台下，CharToByteConverter的缺省值是8859_1，FileWriter会自动调用8859_1去转化str，但是他无法解释，因此他会输出"?".
在英文平台上编译后，其实str在运行态的char[]是0x00C4 0x00E3，--在中文平台上运行，中文无法识别，因此会出现??
在英文平台上，0x00C4-->0xC4，0x00E3->0xE3，因此0xC4，0xE3被放进了文件
1.对于JSP正文的解释：
Tomcat首先看一下你的页面中有没有"<%@page include的符号。有，则在相同地方设定response.setContentType(..);按照encoding的来读，没有他按照8859_1读取文件，然后用UTF-8写成.java文件，然后用sun.tools.Main去读取这个文件，（当然它使用UTF-8去读），然后编译成class文件setContentType改变的是out的属性，out变量缺省的encoding是8859_1
2.对Parameter的解释
很不幸Parameter只有ISO8859_1的解释，这个质料可以在servlet的实现代码中找到。
3.对include的解释
格式的，但是很不幸，由于那个写"org.apache.jasper.compiler.Parser"的人
在数组JspUtil.ValidAttribute[]忘记加了一个参数：encoding，因此导致不支
持这种方式。你完全可以编译源代码，加上对encoding的支持
总结：
如果你在NT底下，最简单的方法就是欺骗java，不加任何Encoding变量：
<html>
你好<%=request.getParameter("value")%>
</html>
http://localhost/test/test.jsp?value=你
结果:你好你
但这种方法局限性较大，比如对上传的文章分段，这样的做法是死定的，最好的
解决方案是用这种方案：
<%@ page contentType="text/html;charset=gb2312" %>
<html>
你好<%=new String(request.getParameter("value").getBytes("8859_1")，"gb2312")%>
</html>
| 