• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    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;ic.length;c++)
         --{
         -- 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;ib.length;c++)
         --{
         -- 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;ic.length;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:
    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>


    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.

    上一篇:jsp基础学习资料
    下一篇:Java代码编写的一般性指导
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    java/jsp中 中文问题详解 java,jsp,中,中文,问题,详解,