java中字符编码总结

 

1、美国信息交换标准码（ASCII：American Standard Code for Information Interchange）

     •有26个小写字母、26个大写字母、10个数字、32个符号、33个句  柄和一个空格，总共128个字符码。

     •是7位编码，编码范围是0x00-0x7F。

    由美国国家标准协会（American National Standards Institute）发布

2、ISO-8859-1编码

• ISO-8859-1编码是单字节编码，向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一       致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。
•  ISO-8859-1收录的字符除ASCII收录的字符外，还包括西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号。
  

3、Unicode编码

• Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。
• 每个字符提供了一个唯一的数字编号
• Unicode 的编码方式与 ISO 10646 的通用字元集(亦称[通用字符集])（Universal Character Set，UCS）概念相对应，目前的用于实用的 Unicode 版本对应于 UCS-2，使用16位的编码空间。也就是每个字符占用2个字节。这样理论上一共最多可以表示 65,536(2的16次方) 个字符。基本满足各种语言的使用。实际上目前版本的 Unicode 尚未填充满这16位编码，保留了大量空间作为特殊使用或将来扩展。
• Unicode 的实现方式称为Unicode转换格式（Unicode Translation Format，简称为 UTF）。
• UTF-8是Unicode的实现方式之一 ，它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度
• UTF-16编码采用16位即双字节作为编码单位，它同样是变长的编码规则

4、GB2312 /GBK编码

• 这就是汉子的国标码，专门用来表示汉字，是双字节编码，而英文字母和iso8859-1一致（兼容iso8859-1编码）。其中gbk编码能够用来同时表示繁体字和简体字，而gb2312只能表示简体字，gbk是兼容gb2312编码的。 
  

 

编码转换测试：

 

       try {
            String str="哈哈";
            String iso8859Str = new String (str.getBytes(),"iso8859-1");
            System.out.println("###After the String coding  iso8859-1 #### "+iso8859Str);

            String utf8Str= new String(str.getBytes(),"utf-8");
            System.out.println("###After the String coding utf-8 ###"+utf8Str);

            String gbkStr= new String(str.getBytes(),"gb2312");
            System.out.println("###After the String coding gb2312 ###"+gbkStr);
        }
        catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

 

 

字符串str采用gbk编码时，结果如下：

 

###After the String coding  iso8859-1 #### ????

###After the String coding utf-8 ###????

###After the String coding gb2312 ###哈哈

 

 

字符串str采用utf-8编码时，结果如下：

 

###After the String coding  iso8859-1 #### ??????

###After the String coding utf-8 ###哈哈

###After the String coding gb2312 ###??????

 

 

字符串str采用iso8859-1编码时，结果如下：

 

###After the String coding  iso8859-1 #### ??

###After the String coding utf-8 ###??

###After the String coding gb2312 ###??

 

 

 

-------------------------jsp编码-----------------------------

【转】

名词解释及其作用  

     contentType: <%@ page contentType="text/html; charset=UTF-8"%>   

     pageEncoding:<%@ page pageEncoding="UTF-8"%>   

     html页面charset:<META http-equiv="Content-Type" content="text/html; charset=UTF-8">   

     setCharacterEncoding:request.setCharacterEncoding(),response.setCharacterEncoding()  

     setContentType:response.setContentType()  

     setHeader: response.setHeader()  

     jsp页面编码: jsp文件本身的编码  

     web页面显示编码:jsp的输出流在浏览器中显示的编码  

     web页面输入编码: 输入框输入的字体编码  

     web服务器输入的请求流: web Server相应浏览器的请求数据  

     web服务器输出的响应流: web Server相应浏览器的输出数据

他们之间的相互影响和作用域,以及先后作用顺序  

    1. pageEncoding: 只是指明了 JSP 页面本身的编码格式，跟页面显示的编码没有关系;  

    容器在读取(文件)或者(数据库)或者(字符串常量)时将起转化为内部使用的 Unicode,而页面显示的时候将  

    内部的Unicode转换为contentType指定的编码后显示页面内容;  

    如果pageEncoding属性存在，那么JSP页面的字符编码方式就由pageEncoding决定，  

    否则就由contentType属性中的charset决定，如果charset也不存在，JSP页面的字符编码方式就采用  

    默认的ISO-8859-1。  

    2. contentType: 指定了MIME类型和JSP页面回应时的字符编码方式。MIME类型的默认值是“text/html”;   

    字符编码方式的默认值是“ISO-8859-1”. MIME类型和字符编码方式由分号隔开;  

    3. pageEncoding和contentType的关系:  

        pageEncoding的内容只是用于jsp输出时的编码，不会作为header发出去的; 是告诉web Server   

            jsp页面按照什么编码输出,即web服务器输出的响应流的编码;  

       A、 第一阶段是jsp编译成.java，它会根据pageEncoding的设定读取jsp，结果是由指定的编码方案翻译  

            成统一的UTF-8 JAVA源码（即.java）.  

       B、 第二阶段是由JAVAC的JAVA源码至java byteCode的编译，不论JSP编写时候用的是什么编码方案，  

            经过这个阶段的结果全部是UTF-8的encoding的java源码.JAVAC用UTF-8的encoding读取  

            java源码，编译成UTF-8 encoding的二进制码（即.class），这是JVM对常数字串在二进制码  

            （java encoding）内表达的规范.  

      C. 第三阶段是Tomcat（或其的application container）载入和执行阶段二的来的JAVA二进制码，  

            输出的结果，也就是在客户端见到的，这时隐藏在阶段一和阶段二的参数contentType就发挥了功效      

    4. 和contentType效果一样的设置方式还有 html页面charset, response.setCharacterEncoding(),   

        response.setContentType(),response.setHeader(); response.setContentType(),  

        response.setHeader();优先级最好,其次是response.setCharacterEncoding();再者是  

        <%@page contentType="text/html; chareset=gbk"%>,最后是<meta http-equiv="content-type"   

        content="text/html; charset=gb2312" />.  

    5. web页面输入编码: 在设置页面编码<%@page contentType="text/html; chareset=gbk"%>的同时，也就指定了页面的输入编码;  

        如果页面的显示被设置为UTF-8，那么用户所有的页面输入都会按照 UTF-8 编码; 服务器端程序在读  

        取表单输入之前要设定输入编码;  

        表单被提交后，浏览器会将表单字段值转换为指定字符集对应的字节值，然后根据 HTTP 标准 URL  

        编码方案对结果字节进行编码.但是页面需要告诉服务器当前页面的编码方式;  

        request.setCharacterEncoding(),能修改Serverlet获取请求的编码,response.setCharacterEncoding(), 

        能修改Serverlet返回结果的编码. 

或者用下面来说明：

pageEncoding是设置的JSP页面源代码的字符编码格式，如果该项的值是utf-8，则JSP源代码里不能写汉字了，如果你用的是eclipse等工具的话，保存时他会提示有一个错误，改成gbk就没事了，就是这个道理

charset是请求服务器以后返回过来的内容的字符编码，即使pageEncoding设置了gbk，保存，运行程序，查看页面时会发现刚才写的汉字不能正常显示，把charset改成gbk，正常

原理：

JSP要经过两次的“编码”，第一阶段会用pageEncoding，第二阶段会用utf-8至utf-8，第三阶段就是由Tomcat返回来的网页，用的是charset。 

第一阶段是jsp编译成.java，它会根据pageEncoding的设定读取jsp，结果是由指定的编码方案翻译成统一的UTF-8 JAVA源码（即.java），如果pageEncoding设定错了，或没有设定，出来的就是中文乱码。

第二阶段是由JAVAC的JAVA源码至java byteCode的编译，不论JSP编写时候用的是什么编码方案，经过这个阶段的结果全部是UTF-8的encoding的java源码。 

第三阶段是Tomcat（或其的application container）载入和执行阶段，输出的结果，也就是在客户端见到的，这时隐藏在阶段一和阶段二的参数contentType就发挥了功效。

注意：在设置JSP页面源代码字符编码的时候，如果有pageEncoding这一项，则采取这一项的值，如果没有，采取charset的值，如果都没有，采取iso8859-1。pageEncoding 和contentType的预设都是 ISO8859-1. 而随便设定了其中一个, 另一个就跟着一样了(TOMCAT4.1.27是如此). 但这不是绝对的, 这要看各自JSP容器的处理方式.

如：在Tomcat中如果在jsp中设定了pageEncoding，则contentType也跟着设定成相同的编码了,但是在resion中就 不是，resin中还会用默认的，这点通过查看编译后的类servlet java文件就可以看到这一点，而问题恰恰就出在这里，所以，在jsp中，如果是在resin下最好还是明确的单独设定这2个属性。

总结：通常我们在JSP页面设定<%@ page contentType="text/html;charset=GB2312"%>即可。