一、Java編碼是怎么回事？

對(duì)于使用中文以及其他非拉丁語(yǔ)系語(yǔ)言的開(kāi)發(fā)人員來(lái)說(shuō)，經(jīng)常會(huì)遇到字符集編碼問(wèn)題。對(duì)于Java語(yǔ)言來(lái)說(shuō)，在其內(nèi)部使用的是UCS2編碼（2個(gè)字節(jié)的Unicode編碼）。這種編碼并不屬于某個(gè)語(yǔ)系的語(yǔ)言編碼，它實(shí)際上是一種編碼格式的世界語(yǔ)。在這個(gè)世界上所有可以在計(jì)算機(jī)中使用的語(yǔ)言都有對(duì)應(yīng)的UCS2編碼。

正是因?yàn)镴ava采用了UCS2，因此，在Java中可以使用世界上任何國(guó)家的語(yǔ)言來(lái)為變量名、方法名、類(lèi)起名，如下面代碼如下：

class 中國(guó)  
{  
    public String 雄起()  
    {  
         return "中國(guó)雄起";  
    }  
}  
 
中國(guó) 祖國(guó) = new 中國(guó)();  
System.out.println(祖國(guó).雄起());  

哈哈，是不是有點(diǎn)象“中文編程”。實(shí)際上，也可以使用其他的語(yǔ)言來(lái)編程，如下面用韓文和日文來(lái)定義個(gè)類(lèi)：

class 수퍼맨  
{  
    public void スーパーマン() {  }  
} 

實(shí)際上，由于Java內(nèi)部使用的是UCS2編碼格式，因?yàn)?，Java并不關(guān)心所使用的是哪種語(yǔ)言，而只要這種語(yǔ)言在UCS2中有定義就可以。

在UCS2編碼中為不同國(guó)家的語(yǔ)言進(jìn)行了分頁(yè)，這個(gè)分頁(yè)也叫“代碼頁(yè)”或“編碼頁(yè)”。中文根據(jù)包含中文字符的多少，分了很多代碼頁(yè)，如cp935、cp936等，然而，這些都是在UCS2中的代碼頁(yè)名，而對(duì)于操作系統(tǒng)來(lái)說(shuō)，如微軟的windows，一開(kāi)始的中文編碼為GB2312，后來(lái)擴(kuò)展成了GBK。其實(shí)GBK和cp936是完全等效的，用它們哪個(gè)都行。

二、Java編碼轉(zhuǎn)換

上面說(shuō)了這么多，在這一部分我們做一些編碼轉(zhuǎn)換，看看會(huì)發(fā)生什么事情。

先定義一個(gè)字符串變量：

String gbk = "中國(guó)"; // “中國(guó)”在Java內(nèi)部是以UCS2格式保存的  

用下面的語(yǔ)言輸出一定會(huì)輸出中文：

System.out.println(gbk); 

實(shí)現(xiàn)上，當(dāng)我們從IDE輸入“中國(guó)”時(shí)，用的是java源代碼文件保存的格式，一般是GBK，有時(shí)也可是utf-8，而在Java編譯程序時(shí)，會(huì)不由分說(shuō)地將所有的編碼格式轉(zhuǎn)換成utf-8編碼，讀者可以用UltraEdit或其他的二進(jìn)制編輯器打開(kāi)上面的“中國(guó).class”，看看所生成的二進(jìn)制是否有utf-8的編碼（utf-8和ucs2之間的轉(zhuǎn)換非常容易，因?yàn)閡tf-8和ucs2之間是用公式進(jìn)行轉(zhuǎn)換的，而不是到代碼頁(yè)去查，這就相當(dāng)于將二進(jìn)制轉(zhuǎn)成16進(jìn)制一樣，4個(gè)字節(jié)一組）。如“中國(guó)”的utf-8編碼按著GBK解析就是“涓  浗”。如下圖所示。

如果使用下面的語(yǔ)言可以獲得“中國(guó)”的utf-8字節(jié)，結(jié)果是6（一個(gè)漢字由3個(gè)字節(jié)組成）

System.out.println(gbk.getBytes("utf-8").length); 

下面的代碼將輸出“涓  浗”。

System.out.println(new String(gbk.getBytes("utf-8"), "gbk"));     

由于將“中國(guó)“的utf-8編碼格式按著gbk解析，所以會(huì)出現(xiàn)亂碼。

如果要返回中文的UCS2編碼，可以使用下面的代碼：

System.out.println(gbk.getBytes("unicode")[2]);  
 
System.out.println(gbk.getBytes("unicode")[3]);  

前兩個(gè)字節(jié)是標(biāo)識(shí)位，要從第3個(gè)字節(jié)開(kāi)始。還有就是其他的語(yǔ)言使用的編碼的字節(jié)順序可能不同，如在C#中可以使用下面的代碼獲得“中國(guó)“的UCS2編碼：

String s = "中";  
 
MessageBox.Show(ASCIIEncoding.Unicode.GetBytes(s)[0].ToString());  
 
MessageBox.Show(ASCIIEncoding.Unicode.GetBytes(s)[1].ToString());  

使用上面的java代碼獲得的“中“的16進(jìn)制UCS2編碼為4E2D，而使用C#獲得的相應(yīng)的ucs2編碼為2D4E，這只是C#和Java編碼內(nèi)部使用的問(wèn)題，并沒(méi)有什么關(guān)系。但在C#和Java互操作時(shí)要注意這一點(diǎn)。

如果使用下面的java編碼將獲得16進(jìn)制的“中”的GBK編碼：

System.out.println(Integer.toHexString(0xff & xyz.getBytes("gbk")[0]));  
 
System.out.println(Integer.toHexString(0xff & xyz.getBytes("gbk")[1]));  

“中”的ucs2編碼為2D4E，GBK編碼為D6D0

讀者可訪問(wèn)如下的url自行查驗(yàn)：

http://unicode.org/Public/MAPPINGS/VENDORS/MICSFT/WINDOWS/CP936.TXT

三、Java編碼相關(guān)的屬性文件

Java中的屬性文件只支持iso-8859-1編碼格式，因此，要想在屬性文件中保存中文，就必須使用UCS2編碼格式（"uxxxx），因此，出現(xiàn)了很多將這種編碼轉(zhuǎn)換成可視編碼和工具，如Eclipse中的一些屬性文件編輯插件。

實(shí)際上，"uxxxx編碼格式在java和C#中都可以使用，如下面的語(yǔ)句所示：

String name= ""u7528"u6237"u540d"u4e0d"u80fd"u4e3a"u7a7a" ;  
 
System.out.println(name);  

上面代碼將輸出“用戶名不能為空”的信息。將"uxxxx格式顯示成中文非常簡(jiǎn)單，那么如何將中文還原成"uxxxxx格式呢？下面的代碼完成了這個(gè)工作：

String ss = "用戶名不能為空";  
byte[] uncode = ss.getBytes("Unicode");  
int x = 0xff;  
String result ="";  
for(int i= 2; i <  uncode.length; i++)  
{  
    if(i % 2 == 0) result += "\\u";  
    String abc = Integer.toHexString(x & uncode[i]);              
    result += abc.format("%2s", abc).replaceAll(" ", "0");                 
}  
System.out.println(result); 

上面的代碼將輸出如下結(jié)果：

\u7528\u6237\u540d\u4e0d\u80fd\u4e3a\u7a7a

好了，現(xiàn)在可以利用這個(gè)技術(shù)來(lái)實(shí)現(xiàn)一個(gè)屬性文件編輯器了。

四、Web中的Java編碼問(wèn)題

大家碰到最多的編碼問(wèn)題就是在Web應(yīng)用中。先讓我們看看下面的程序：

< !--  main.jsp  --> 
 
  < %@ page language="java"  pageEncoding="utf-8"%> 
 
  < html> 
      < head> 
 
      < /head> 
 
      < body> 
          < form action="servlet/MyPost" method="post"> 
              < input type="text" name="user" /> 
              < p/> 
              < input type="submit"  value="提交"/> 
          < /form> 
 
      < /body> 
  < /html> 

下面是個(gè)Servlet：

package servlet;  
 
import java.io.IOException;  
import java.io.PrintWriter;  
import javax.servlet.ServletException;  
import javax.servlet.http.HttpServlet;  
import javax.servlet.http.HttpServletRequest;  
import javax.servlet.http.HttpServletResponse;  
 
public class MyPost extends HttpServlet  
{  
 
    public void doPost(HttpServletRequest request, HttpServletResponse response)  
            throws ServletException, IOException  
    {  
        String user = request.getParameter("user");  
        System.out.println(user);  
    }  
}  

如果中main.jsp中輸入中文后，向MyPost提交，在控制臺(tái)中會(huì)輸出“中国”，一看就是亂碼。如果將IE的當(dāng)前編碼設(shè)成其他的，如由utf-8改為gbk，仍然會(huì)出現(xiàn)亂碼，只是亂得不一樣而已。這是因?yàn)榭蛻舳颂峤粩?shù)據(jù)時(shí)是根據(jù)瀏覽器當(dāng)前的編碼格式來(lái)提交的，如瀏覽器當(dāng)前為gbk編碼，就以gbk編碼格式來(lái)提交。 這本身是不會(huì)出現(xiàn)亂碼的，問(wèn)題就出在Web服務(wù)器接收數(shù)據(jù)的時(shí)候，HttpServletRequest在將客戶端傳來(lái)的數(shù)據(jù)轉(zhuǎn)成ucs2碼上出了問(wèn)題。在默認(rèn)情況下，是按著iso-8859-1編碼格式來(lái)轉(zhuǎn)的，而這種編碼格式并不支持中文，所以也就無(wú)法正常顯示中文了，解決這個(gè)問(wèn)題的方法是用和客戶端瀏覽器當(dāng)前編碼格式一致的編碼來(lái)轉(zhuǎn)換，如果是utf-8，則在doPost方法中應(yīng)該用以下的語(yǔ)句來(lái)處理：

request.setCharacterEncoding("utf-8"); 

為了對(duì)每一個(gè)Servlet都起作用，可以將上面的語(yǔ)句加到filter里。

另外，我們一般使用象MyEclipse一樣的IDE來(lái)編寫(xiě)jsp文件，這樣的工具會(huì)根據(jù)pageEncoding屬性將jsp文件保存成相應(yīng)的編碼格式，但如果要使用象記事本一樣的簡(jiǎn)單的編輯器來(lái)編寫(xiě)jsp文件，如果pageEncoding是utf-8，而在默認(rèn)時(shí)，記事本會(huì)將文件保存成iso-8859-1（ascii）格式，但在myeclipse里，如果文件中有中文，它是不允許我們保存成不支持中文的編碼格式的，但記事本并不認(rèn)識(shí)jsp，因此，這時(shí)在ie中就無(wú)法正確顯示出中文了。除非用記事本將其保存在utf-8格式。如下圖：

【編輯推薦】

1. 使用Java截取字符串的方法
2. 實(shí)現(xiàn)Java中對(duì)象比較的兩個(gè)方法
3. 初學(xué)Java多線程：使用Synchronized塊同步方法
4. 初學(xué)Java多線程：使用Synchronized關(guān)鍵字同步類(lèi)方法
5. 初學(xué)Java多線程：從線程返回?cái)?shù)據(jù)的兩種方法