java中字符编码总结

?

1、美国信息交换标准码（ASCII：American Standard Code forInformation 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])（UniversalCharacter 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（UnicodeTranslation 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：

?

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。
?