JAVA的中文編碼問題
JAVA的中文問題比較突出,主要表現在控制皮膚輸出,JSP頁面輸出和資料庫訪問上。本文儘量避開字型問題,而只談編碼。通過本文,你可以瞭解JAVA中文問題的由來,問題的解決方法,其中提了一下用JDBC訪問資料庫的方法。
二、問題描述:
1)在中文W2000中文視窗編譯和執行,用的是國際版的JDK,連線的是中文W2000下的Cp936編碼的SQL SERVER資料庫:
J:exercisedemoencodeHelloWorld>make
Created by XCompiler. PhiloSoft All Rights Reserved.
Wed May 30 02:54:45 CST 2001
J:exercisedemoencodeHelloWorld>run
Created by XRunner. PhiloSoft All Rights Reserved.
Wed May 30 02:51:33 CST 2001
中文
[B@7bc8b569
[B@7b08b569
[B@7860b569
中文
中文
????
中文
中文
????
??
??
??
2)如果在中文W2000的西文視窗(編碼為437)下編譯,用JAVA執行則由於無字型而無法正常顯示,如果象上面一樣在中文W2000的中文視窗執行,輸出為:
J:exercisedemoencodeHelloWorld>run
Created by XRunner. PhiloSoft All Rights Reserved.
Wed May 30 02:51:33 CST 2001
????
[B@7bc0b66a
[B@7b04b66a
[B@7818b66a
????
????
????
????
????
????
中文
中文
????
三)分析
1)出現有亂碼(也就是?)。由於只出現?而沒出現小方框,說明只是編碼有問題,而不是字型問題。
在 編碼中,如果從一種字符集轉換到別一種字符集,比較典型的是從GB2312轉換到ISO8859_1(即ASCII),那麼很多漢字(半個漢字)是無法映 射到西文字元中去的,在這種情形下,系統就把這些字元用?代替。同樣,也存在小字符集無法到大字符集的情況,具體原因這裡就不詳談了。
2)出現了中文環境編譯,中文環境執行時漢字顯示有正確也有不正確的地方,同樣,在西文環境下編譯,在中文環境下執行時也出現類似情況。這是由於自動(預設)或手工(也就new String(bytes
[,encode])和bytes getBytes([encode]))轉碼的結果。
2.1) 在JAVA原始檔-->JAVAC-->Class-->Java-->getBytes()-->new String()-->顯示的過程中,每一步都有編碼的轉換過程,這個過程總是存在的,只是有的時候用預設的引數進行。下面我們一步一步分析為什麼 出現上面的情形。
2.2)這裡是原始碼:
HelloWorld.java:
------------------------
public class HelloWorld
{
public static void main(String[] argv)
{
try
{
System.out.println("1:"+"中文");
System.out.println("2:"+"中文".getBytes());
System.out.println("3:"+"中文".getBytes("GB2312"));
System.out.println("4:"+"中文".getBytes("ISO8859_1"));
System.out.println("5:"+new String("中文".getBytes())); //5
System.out.println("6:"+new String("中文".getBytes(),"GB2312"));
System.out.println("7:"+new String("中文".getBytes(),"ISO8859_1"));
System.out.println("8:"+new String("中文".getBytes("GB2312"))); //8
System.out.println("9:"+new String("中文".getBytes("GB2312"),"GB2312"));
System.out.println("10:"+new String("中文".getBytes("GB2312"),"ISO8859_1"));
System.out.println("11:"+new String("中文".getBytes("ISO8859_1"))); //11
System.out.println("12:"+new String("中文".getBytes("ISO8859_1"),"GB2312"));
System.out.println("13:"+new String("中文".getBytes("ISO8859_1"),"ISO8859_1"));
}
catch(Exception e)
{
e.printStackTrace();
}
}
}
為了方便起見,在每個轉換的後面加了操作序號,分別為1,2,...,13。
2.3) 需要說明的是,JAVAC是以系統預設編碼讀入原始檔,然後按UNICODE進行編碼的。在JAVA執行的時候,JAVA也是採用UNICODE編碼的, 並且預設輸入和輸出的都是作業系統的預設編碼,也就是說在newString(bytes[,encode])中,系統認為輸入的是編碼為encode的 位元組流,換句話說,如果按encode來翻譯bytes才能得到正確的結果,這個結果最後要在JAVA中儲存,它還是要從這個encode轉換成 Unicode,也就是說有bytes-->encode字元-->Unicode字元的轉換;而在String.getBytes ([encode])中,系統要做一個Unicode字元-->encode字元-->bytes的轉換。
在這個例子中,除那個英文視窗編碼的時候除外,其實情形下預設編碼都是GBK(在本例中,我們暫且把GBK和GB2312等同看待)。
2.4) 由於在未指明在上面的兩個用程式碼實現的轉換中,如果未指定encode,系統將採用預設的編碼(這裡為GBK),我們認為上面的5,6,7和8,9,10 是一樣的,8和9、11和12也是一樣的,所以我們在討論中將只計論1,9,10,12,13。其中的2,3,4只是用於測試,不在我們的討論範圍之內。
2.5)下面我們來跟蹤程式中的“中”字的轉換歷程,我們先說在中文視窗下作的編譯和執行過程,注意在下面的字母下標中,我有意識地使用了一些數字,以表示相同,相異還是相關2.5.1)我們先以上面的13個程式碼段中的的程式碼9為例:
步驟 內容 地點 說明
01: C1 HelloWorld.java C1泛指一個GBK字元
02: U1 JAVAC讀取 U1泛指一個Unicode字元
03: C1 getBytes()第一步 JAVA先和作業系統交流
04: B1,B2 getBytes()第二步 然後返回位元組陣列
05: C1 new String()第一步 JAVA先和作業系統交流
06: U1 new String()第二步 然後返回字元
07: C1 println(String) 能顯示“中”字,內容和原來的相同
2.5.2)然後再以程式碼段10為例,我們注意到只是:
步驟 內容 地點 說明
01: C1 HelloWorld.java C1泛指一個GBK字元
02: U1 JAVAC讀取 U1泛指一個Unicode字元
03: C1 getBytes()第一步 JAVA先和作業系統交流
04: B1,B2 getBytes()第二步 然後返回位元組陣列
05: C3,C4 new String()第一步 JAVA先和作業系統交流,這時解析錯誤
06: U5,U6 new String()第二步 然後返回字元
07: C3,C4 println(String) 由於中字給分成了兩半,在ISO8859_1中剛好也沒有字元
能對映上,所以顯示為“??”。在上面的示例中,“中文”兩個字就顯示為“????”
2.5.3)在完全中文模式下的其它情形類似,我就不多說了
2.6)我們接著看為什麼在西文DOS視窗下編譯出來的類在中文視窗下也出現類似情形,特別是為什麼居然有的情形下還能正確顯示漢字。
2.6.1)我們還是先以程式碼段9為例:
步驟 內容 地點 說明
01: C1C2 HelloWorld.java C1C2分別泛指一個ISO8859_1字元,“中”字被拆開
02: U3U4 JAVAC讀取 U1U2泛指一個Unicode字元
03: C5C6 getBytes()第一步 JAVA先和作業系統交流,這時解析錯誤
04: B5B6B7B8 getBytes()第二步 然後返回位元組陣列
05: C5C6 new String()第一步 JAVA先和作業系統交流
06: U3U4 new String()第二步 然後返回字元
07: C5C6 println(String) 雖然同是兩個字元,但已不是最初的“兩個ISO8859_1字元”,而是“兩個BGK字元”,“中”顯示成了“??”,而“中文”就顯示成了“????” 。
2.6.2)下面我們以程式碼段12為例,因為它能正確顯示漢字
步驟 內容 地點 說明
01: C1C2 HelloWorld.java C1C2分別泛指一個ISO8859_1字元,“中”字被拆開
02: U3U4 JAVAC讀取 U1U2泛指一個Unicode字元
03: C1C2 getBytes()第一步 JAVA先和作業系統交流(注意還是正確的哦!)
04: B5B6 getBytes()第二步 然後返回位元組陣列(這是很關鍵的一步!)
05: C12 new String()第一步 JAVA先和作業系統交流(這是更關鍵的一步,JAVA已經知道B5B6要解析成一個漢字!)
06: U7 new String()第二步 然後返回字元(真是一個項兩!U7包含了U3U4的資訊)
07: C12 println(String) 這就原來的“中”字,很委屈被JAVAC冤枉了一回,不過被程式設計師撥亂反正了一下!當然,“中文”兩個字都能正確顯示了!
3)那為什麼有的時候用JDBC的
new String(Recordset.getBytes(int)[,encode])
Recordset.getSting(int)
Recordset.setBytes(String.getBytes([encode]))
和
Recordset.setString(String)
的時候會出現亂碼了呢?
其 實問題就出現在編寫JDBC的的也考慮了編碼問題,它從資料庫讀取資料後,可能自作主張做了一個從GB2312(預設編碼)到Unicode的轉換,我的 這個WebLogic For SQL Server的JDBC Driver就是這樣的,當我讀字串的時候,發出讀到的不是正確的漢字,可恨的是我卻可以直接寫漢字字串,這讓人多少有點難以接受!也就是說,我們不得不 在讀或寫的時候進行轉碼,儘管這個轉碼有的時候不是那麼明顯,這是因為我們使用了預設的編碼進行轉碼。JDBC Driver所做的操作,我們只有進入到原始碼內部才能清楚,不是嗎?
相關文章
- 深入分析 Java 中的中文編碼問題Java
- Java 中的中文編碼問題深入分析Java
- 深入分析 Java Web 中的中文編碼問題JavaWeb
- Python的中文編碼問題Python
- python 中文編碼問題Python
- jdom解析中文編碼問題
- Java 中文 亂碼問題Java
- Ubuntu中 MySQL 的中文編碼問題UbuntuMySql
- 【Java】程式設計過程中遇到的中文編碼問題Java程式設計
- .Net(ASP.net)--中文編碼問題ASP.NET
- 深入分析 Java 中的中文編碼問題 (文章來自網路)Java
- [golang]一個複雜的中文編碼問題Golang
- 關於JDON UTF版本中文編碼的問題
- Java 解決中文亂碼問題Java
- Java,MySQL中文亂碼問題求教JavaMySql
- java處理中文亂碼問題Java
- java 中文問題Java
- 包含中文字元的URL編碼問題(轉)字元
- Java GBK 中文亂碼問題分析Java
- Java Web開發中文亂碼問題JavaWeb
- 關於Java編碼規範的問題Java
- Java編碼易疏忽的十個問題Java
- 解決python中文編碼錯誤問題Python
- ZKUI中文編碼以及以docker方式執行的問題UIDocker
- java中解決request中文亂碼問題Java
- JAVA編碼問題的一些理解(轉)Java
- OpenStack 介面開發中response.body的中文編碼問題
- 關於tomcat在idea上的中文編碼問題TomcatIdea
- Java讀取文字檔案中文亂碼問題Java
- 【字元編碼】Java字元編碼詳細解答及問題探討字元Java
- 微信公眾號傳送模板訊息,出現亂碼問題---字元中文編碼問題字元
- EasyUI 中文亂碼問題UI
- MSSQL中文亂碼問題SQL
- jsp的編碼問題JS
- Java中文問題詳解(轉)Java
- php編碼問題PHP
- 有關java的unicode編碼的問題,大家幫忙JavaUnicode
- 關於JSP預編譯的中文問題JS編譯