java/jsp中 中文问题详解

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

 1<c.length;c++) ,unicode是0x4f60="" --="" ----="" --例1:0xc4e3的二进制:="" --例2:0x4f60的二进制:="" -encoding="" 0="" 00000000="" 00e3的二进制:="" 0x00e3,="" 1="" 10000100="" 10100000="" 10100011="" 10111101="" 11000011="" 11000100="" 11100011--="" 11100100="" 2.utf-8="" 2.我们要对java的编译器有所了解:="" 3.string和byte[]="" 4.reader,writer="" 7位的unicode:="" 84="" 84--="" ;="" []="" []c="new" \--="" \--"你"的gb码是:0xc4e3="" \----="" \--------="" \----byte="" \----filewriter="" \----new="" \----string="" \----system.out.println(c[i]);="" \----write.close();="" \----write.write(str);="" \----例1="" \----例2="" \----例3="" \----如果encoding="8859_1,会有两个字,但是encoding=gb2312只有一个字" \--00000000="" \--00c4="" \--0x00c4,0x00e3="" \--1.="" \--1.在中文平台上编译后,其实str在运行态的char[]是0x4f60,="" \--11000001="" \--11位的unicode:="" \--16位的unicode:="" \--2.="" \--21位的unicode:="" \--byte="" \--c1--="" \--char="" \--chartobyteconverter会自动用调用gb2312的converter,把str转化="" \--encoding="gb2312" \--filewriter会自动调用8859_1去转化str,但是他无法解释,因此他会="" \--for(int="" \--inputstreamreader="" \--int="" \--javac="" \--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="" \--public="" \--reader和writer核心是char,inputstream和outputstream核心是byte。="" \--string="" \--string.length()其实就是char数组的长度,如果使用不同的编码,很可="" \--string其实核心是char[],然而要把byte转化成string,必须经过编码。="" \--utf-8是和unicode一一对应的,其实现很简单="" \--{="" \--}="" \--一个reader的例子:="" \--但是reader和writer的主要目的是要把char读="" \--但是如果使用8859_1的编码,打印出来是="" \--但是如果是在英文平台下,chartobyteconverter的缺省值是8859_1,="" \--你会找到c1="" \--例:="" \--因为每个字符都大于7位,因此用11位编码:="" \--在中文平台上运行,filewriter的缺省编码是gb2312,因此="" \--在中文平台上运行,中文无法识别,因此会出现??="" \--大多数情况是只使用到16位以下的unicode:="" \--如果encoding是gb2312,则只有一个字符,如果encoding="8859_1,则有两个字符" \--如果用8859_1就是0x3f,?号,表示无法转化="" \--如果用8859_1编译,="" \--如果用gb2312编译,你会找到e4="" \--成byte输入到fileoutputstream中,于是0xc4,0xe3放进了文件。="" \--我们还是用上面的例子="" \--打印出来是0x4f60="" \--打印出来是:0xc4,0xe3="" \--文件test.txt只有一个"你"字,0xc4,0xe3--="" \--能会错分,造成散字和乱码。="" \--输出"?"="" \--这个问题在处理分页是经常发生="" _="" a0="" a0的字段="" a3="" b="{(byte)'u00c4',(byte)'u00e3'};" bd="" c3="" c3--="" c[]="{'u4F60'};" char="" char[10];="" convertor="ByteToCharConverter.getConverter(encoding);" e4--bd--="" enclass在英文平台上执行ok,但是在中文平台上不行="" encoding=";" fileinputstream("text.txt"),encoding);="" filewriter("test.txt");="" i="0;i&lt;c.length;i++)" inputstream,outputstream="" inputstreamreader(="" length="reader.read(c);" outputstream="" reader="new" str="你" string(b,encoding);="" system.out.println(integer.tohexstring(b[i]));="" system.out.println(integer.tohexstring(c[i]));="" test()="" void="" write="new" zhclass在中文平台上执行ok,但是在英文平台上不行="" 一个例子:="" 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="" 于是返回0xe4,0xbd,0xa0="" 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="" 写inputstream="" 原因:="" 反过来:="" 因为第7位不是0因此,返回"?"="" 在英文平台上编译后,其实str在运行态的char[]是0x00c4="" 在英文平台上,0x00c4--="" 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。="" 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="" 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。="" 我们用utf-8补齐,变成:="" 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。="" 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,="" 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。="">0xC4,0x00E3-&gt;0xE3,因此0xC4,0xE3被放进了   
 2\--文件   
 3\----   
 41.对于JSP正文的解释:   
 5\--Tomcat首先看一下你的叶面中有没有"```
 6@page include的符号。有,则在相同   
 7\--地方设定response.setContentType(..);按照encoding的来读,没有他按照8859_1   
 8\--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,   
 9\--(当然它使用UTF-8去读),然后编译成class文件   
10\--setContentType改变的是out的属性,out变量缺省的encoding是8859_1   
11  
122.对Parameter的解释   
13\--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。   
14  
153.对include的解释   
16格式的,但是很不幸,由于那个写"org.apache.jasper.compiler.Parser"的人   
17在数组JspUtil.ValidAttribute[]忘记加了一个参数:encoding,因此导致不支   
18持这种方式。你完全可以编译源代码,加上对encoding的支持   
19  
20总结:   
21  
22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:   
23&lt;html&gt;   
24你好&amp;lt;%=request.getParameter("value")

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:

1@ page contentType="text/html;charset=gb2312" 
你好``` =new String(request.getParameter("value").getBytes("8859_1"),"gb2312") ```

必读好文,但解决方案不敢恭维

--------------------------------------------------------------------------------

1.网页传参数不提倡用get方法,而且用户可以调整是否用utf-8发送
2.建议jsp中最好不要用,实际上加不加这句都有实现中文正常显示的方案,我认为不加方便些,至少不用写这些代码,如下的配置我认为可以使中文正常显示:
a.所有的javabean用iso8859-1编译
b.jsp文件中不要写以上charset=gb2312的语句(写了反而错)

在tomcat情况下注意以上2点就行---了,等等,对于其他有可能不行的jsp服务器,加上以下
c.服务器上的操作系统语言设为英文(像没有装类似bluepoint中文系统的linux一般本来就是英文)
就行---了

谁要是还不对,请报告....

Re:必读好文,但解决方案不敢恭维

--------------------------------------------------------------------------------

Tomcat的参数问题无论是GET或是POST方式都是用8859_1编码的。这个可以看Tomcat Servlet实现的源代码:
a) 对于POST方法
javax.servlet.http.HttpUtils的parsePostData方法: (对于POST的Form数据)
String postedBody = new String(postedBytes, 0, len, "8859_1");)这里是没有问题的因为中文都会用%来说明。但是parseName这个函数,却没有把是中文的东西整合起来,他只是简单的拼凑,因此可以认定他是使用8859_1的编码规则
sb.append((char) Integer.parseInt(s.substring(i+1, i+3), 16));
---- i += 2;
--
b) 对于GET方法
org.apache.tomcat.service.http.HttpRequestAdapter
-- line=new String(buf, 0, count,
Constants.CharacterEncoding.Default);
----Constants.CharacterEncoding.Default=8859_1
这段代码不好跟踪,千万不要被一些假象迷惑住。HttpRequestAdapter是从RequestImpl中派生的。但是,实际上用8080端口的Server并没有直接用到RequestImpl,而是用了HttpRequestAdapter来获得queryString

对于加不加encoding,我保留我的意见,因为如果要解决上传文件分页问题,必须要用他来编码。而且编码能保证在一些Beans当中的传递性。

看来我要在这里说明一下了

--------------------------------------------------------------------------------

Tomcat仅仅是一个对jsp1.1,servlet2.2的一个标准的实现,我们不应该要求这个免费软件在细致末节上和性能上都面面俱到,它主要考虑的英文用户,这也是为什么不作特殊转换我们的汉字用url方法传递有问题的原因,我们大部分浏览器ie其高级设置中始终以utf-8发送url的选项缺省是选上的,如果说这是tomcat的bug也是可以的,另外Tomcat不管当前的操作系统是什么语言,好像都按iso8859去编译jsp,我觉得也有点欠妥,但是不管怎么说,新标准的实现和热门的软件在语言的支持方面永远都是先考虑英文

我的方案什么说要好一些呢
1.还是那句话,英文国家的软件永远都是先考虑英文,java虚拟机的规范中要求虚拟机内部必须实现iso8859,unicode,UTF-8三种,其他的不作要求,我们用的jdk中的虚拟机就是这样,嵌入式的就更不用说了,也就是说其他的ENCODE都很可能不是java虚拟机内部直接支持的,我们的中文自然也不在其列,需要外部的包支持转换,sun jdk应该在i18n.jar中,用iso8859速度最快,不需要其它调用和交换什么的,更没有读包的io操作
2.至少少写了代码,没有额外操作,简洁的风格谁不喜欢
3.所写的jsp页面国际性化好,我才写了一个jsp+javabeans的聊天室软件(没有用到servlet,jsp真的确实很好),同样的程序美国人用他们的浏览器进入就是英文界面,中文进入就是中文界面,如果加上charset=gb2312至少很麻烦
4.限定了gb2312,如果用户要用GBK,怎么办,不加更好,不管什么的字符集,只要我当前浏览器设定的是,我就能显示出来

总结:无论从速度上,开发效率上,和可扩展性上考虑,我的方案都比你的好,另外,我找不到你的方案比我的好的地方.</c.length;c++)>

Published At
Categories with Web编程
Tagged with
comments powered by Disqus