Java中文问题的示例分析

这篇文章将为大家详细讲解有关Java中文问题的示例分析，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

创新互联公司：于2013年成立为各行业开拓出企业自己的“网站建设”服务，为成百上千家公司企业提供了专业的网站制作、网站设计、网页设计和网站推广服务， 定制制作由设计师亲自精心设计，设计的效果完全按照客户的要求，并适当的提出合理的建议，拥有的视觉效果，策划师分析客户的同行竞争对手，根据客户的实际情况给出合理的网站构架，制作客户同行业具有领先地位的。

我来说一下tomcat如何实现JSP的你就明白了。
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　　　--{
　　　-- System.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　　　--{
　　　-- System.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----System.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"?"　----
--2.　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首先看一下你的叶面中有没有"<%@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：

你好<%=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：
<%@ page="" contenttype="text/html;charset=gb2312">

你好<%=new>

关于“Java中文问题的示例分析”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。