這是我們公司總結的一些關於中文亂碼問題的一些解決方案和經驗和大家分享
阿新 • • 發佈：2018-12-21
1.位元組和unicode
java核心是unicode的，就連class檔案也是，但是很多媒體，包括檔案/流的儲存方式是使用位元組流的。因此java要對這些位元組流經行轉化。char是unicode的，而byte是位元組。java中byte/char互轉的函式在sun.io的包中間有。其中ByteToCharConverter類是中排程，可以用來告訴你，你用的convertor。其中兩個很常用的靜態函式是
public static ByteToCharConverter getDefault();
public static ByteToCharConverter getConverter(String encoding);
如果你不指定converter，則系統會自動使用當前的encoding,gb平臺上用gbk,en平臺上用8859_1。
byte ——〉char：
"你"的gb碼是：0xc4e3 ,unicode是0x4f60
String encoding = "gb2312";
byte b[] = {(byte)'/u00c4',(byte)'/u00e3'};
ByteToCharConverter converter = ByteToCharConverter.getConverter(encoding);
char c[] = converter.convertAll(b);
for (int i = 0; i < c.length; i++) {
System.out.println(Integer.toHexString(c[i]));
}
結果是什麼？0x4f60
如果encoding ="8859_1"，結果又是什麼？0x00c4,0x00e3
如果程式碼改為
byte b[] = {(byte)'/u00c4',(byte)'/u00e3'};
ByteToCharConverter converter = ByteToCharConverter. getDefault();
char c[] = converter.convertAll(b);
for (int i = 0; i < c.length; i++) {
System.out.println(Integer.toHexString(c[i]));
}
結果將又是什麼？根據平臺的編碼而定。
char ——〉byte：
String encoding = "gb2312";
char c[] = {'/u4f60'};
CharToByteConverter converter = CharToByteConverter.getConverter(encoding);
byte b[] = converter.convertAll(c);
for (int i = 0; i < b.length; i++) {
System.out.println(Integer.toHexString(b[i]));
}
結果是什麼？0x00c4,0x00e3
如果encoding ="8859_1"，結果又是什麼？0x3f
如果程式碼改為
String encoding = "gb2312";
char c[] = {'/u4f60'};
CharToByteConverter converter = CharToByteConverter.getDefault();
byte b[] = converter.convertAll(c);
for (int i = 0; i < b.length; i++) {
System.out.println(Integer.toHexString(b[i]));
}
結果將又是什麼？根據平臺的編碼而定。
很多中文問題就是從這兩個最簡單的類派生出來的。而卻有很多類不直接支援把encoding輸入，這給我們帶來諸多不便。很多程式難得用encoding了，直接用default的encoding，這就給我們移植帶來了很多困難。
2.utf-8
utf-8是和unicode一一對應的，其實現很簡單
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 _ _ _ _ _ _
大多數情況是隻使用到16位以下的unicode:
"你"的gb碼是：0xc4e3 ,unicode是0x4f60
0xc4e3的二進位制：
1100 ，0100 ，1110 ，0011
由於只有兩位我們按照兩位的編碼來排，但是我們發現這行不通，因為第７位不是0因此，返回"?"
0x4f60的二進位制：
0100 ，1111 ，0110 ，0000
我們用utf-8補齊，變成：
1110 ，0100 ，1011 ，1101 ，1010 ，0000
e4--bd-- a0
於是返回：0xe4,0xbd,0xa0。
3.string和byte[]
string其實核心是char[],然而要把byte轉化成string，必須經過編碼。string.length()其實就是char陣列的長度，如果使用不同的編碼，很可能會錯分，造成散字和亂碼。
例如：
String encoding = “”;
byte [] b={(byte)'/u00c4',(byte)'/u00e3'};
String str=new String(b,encoding);
如果encoding=8859_1，會有兩個字，但是encoding=gb2312只有一個字這個問題在處理分頁是經常發生 。
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讀/寫InputStream/OutputStream。
例如：
檔案test.txt只有一個"你"字，0xc4,0xe3
String encoding = "gb2312";
InputStreamReader reader = new InputStreamReader(new FileInputStream(
"text.txt"), encoding);
char c[] = new char[10];
int length = reader.read(c);
for (int i = 0; i < length; i++) {
System.out.println(c[i]);
}
結果是什麼？你
如果encoding ="8859_1"，結果是什麼？??兩個字元，表示不認識。
反過來的例子自己做。
5.我們要對java的編譯器有所瞭解
javac ?encoding
我們常常沒有用到encoding這個引數。其實encoding這個引數對於跨平臺的操作是很重要的。如果沒有指定encoding，則按照系統的預設encoding,gb平臺上是gb2312，英文平臺上是iso8859_1。
java的編譯器實際上是呼叫sun.tools.javac.main的類，對檔案進行編譯，這個類有compile函式中間有一個encoding的變數,-encoding的引數其實直接傳給encoding變數。編譯器就是根據這個變數來讀取java檔案的，然後把用utf-8形式編譯成class檔案。
例子程式碼：
String str = "你";
FileWriter writer = new FileWriter("text.txt");
write.write(str);
writer.close();
如果用gb2312編譯，你會找到e4 bd a0的欄位 ；
如果用8859_1編譯， 00c4 00e3的二進位制：
0000，0000 ，1100，0100 ，0000，0000 ，1110，0011
因為每個字元都大於7位，因此用11位編碼：
1100，0001，1000，0100，1100，0011，1010，0011
c1-- 84-- c3-- a3
你會找到c1 84 c3 a3 。
但是我們往往忽略掉這個引數，因此這樣往往會有跨平臺的問題：
樣例程式碼在中文平臺上編譯，生成zhclass
樣例程式碼在英文平臺上編譯，輸出enclass
(1). zhclass在中文平臺上執行ok,但是在英文平臺上不行
(2). enclass在英文平臺上執行ok,但是在中文平臺上不行
原因：
(1). 在中文平臺上編譯後，其實str在執行態的char[]是0x4f60, 在中文平臺上執行，filewriter的預設編碼是gb2312,因此 chartobyteconverter會自動用呼叫gb2312的converter,把str轉化成byte輸入到fileoutputstream中，於是0xc4,0xe3放進了檔案。
但是如果是在英文平臺下，chartobyteconverter的預設值是8859_1, filewriter會自動呼叫8859_1去轉化str,但是他無法解釋，因此他會輸出"?"
(2). 在英文平臺上編譯後，其實str在執行態的char[]是0x00c4 0x00e3, 在中文平臺上執行，中文無法識別，因此會出現??；
在英文平臺上，0x00c4-->0xc4,0x00e3->0xe3，因此0xc4,0xe3被放進了檔案。
6. 其它原因：<%@ page contentType="text/html; charset=GBK" %>
設定瀏覽器的顯示編碼，如果response的資料是utf8編碼，顯示將是亂碼，但是亂碼和上述原因還不一樣。
7. 發生編碼的地方：
? 從資料庫到java程式 byte——〉char
? 從java程式到資料庫 char——〉byte
? 從檔案到java程式 byte——〉char
? 從java程式到檔案 char——〉byte
? 從java程式到頁面顯示 char——〉byte
? 從頁面form提交資料到java程式byte——〉char
? 從流到java程式byte——〉char
? 從java程式到流char——〉byte
謝志鋼的解決方法：
我是使用配置過濾器的方法解決中文亂碼的：
<web-app>
<filter>
<filter-name>RequestFilter</filter-name>
<filter-class>net.golden.uirs.util.RequestFilter</filter-class>
<init-param>
<param-name>charset</param-name>
<param-value>gb2312</param-value>
</init-param>
</filter>
<filter-mapping>
<filter-name>RequestFilter</filter-name>
<url-pattern>*.jsp</url-pattern>
</filter-mapping>
</web-app>
public void doFilter(ServletRequest req, ServletResponse res,
FilterChain fChain) throws IOException, ServletException {
HttpServletRequest request = (HttpServletRequest) req;
HttpServletResponse response = (HttpServletResponse) res;
HttpSession session = request.getSession();
String userId = (String) session.getAttribute("userid");
req.setCharacterEncoding(this.filterConfig.getInitParameter("charset")); // 設定字符集？
實際上是設定了byte ——〉char的encoding
try {
if (userId == null || userId.equals("")) {
if (!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}//x2Ejsp$")) {
session.invalidate();
response.sendRedirect(request.getContextPath() +
"/uirs/logon/logon.jsp");
}
}
else { // 看看是否具有資訊上報系統的許可權
if (!net.golden.uirs.util.UirsChecker.check(userId, "資訊上報系統",
net.golden.uirs.util.UirsChecker.ACTION_DO)) {
if (!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}//x2Ejsp$")) {
response.sendRedirect(request.getContextPath() +
"/uirs/logon/logonController.jsp");
}
}
}
}
catch (Exception ex) {
response.sendRedirect(request.getContextPath() +
"/uirs/logon/logon.jsp");
}
fChain.doFilter(req, res);
}
java核心是unicode的，就連class檔案也是，但是很多媒體，包括檔案/流的儲存方式是使用位元組流的。因此java要對這些位元組流經行轉化。char是unicode的，而byte是位元組。java中byte/char互轉的函式在sun.io的包中間有。其中ByteToCharConverter類是中排程，可以用來告訴你，你用的convertor。其中兩個很常用的靜態函式是
public static ByteToCharConverter getDefault();
public static ByteToCharConverter getConverter(String encoding);
如果你不指定converter，則系統會自動使用當前的encoding,gb平臺上用gbk,en平臺上用8859_1。
byte ——〉char：
"你"的gb碼是：0xc4e3 ,unicode是0x4f60
String encoding = "gb2312";
byte b[] = {(byte)'/u00c4',(byte)'/u00e3'};
ByteToCharConverter converter = ByteToCharConverter.getConverter(encoding);
char c[] = converter.convertAll(b);
for (int i = 0; i < c.length; i++) {
System.out.println(Integer.toHexString(c[i]));
}
結果是什麼？0x4f60
如果encoding ="8859_1"，結果又是什麼？0x00c4,0x00e3
如果程式碼改為
byte b[] = {(byte)'/u00c4',(byte)'/u00e3'};
ByteToCharConverter converter = ByteToCharConverter. getDefault();
char c[] = converter.convertAll(b);
for (int i = 0; i < c.length; i++) {
System.out.println(Integer.toHexString(c[i]));
}
結果將又是什麼？根據平臺的編碼而定。
char ——〉byte：
String encoding = "gb2312";
char c[] = {'/u4f60'};
CharToByteConverter converter = CharToByteConverter.getConverter(encoding);
byte b[] = converter.convertAll(c);
for (int i = 0; i < b.length; i++) {
System.out.println(Integer.toHexString(b[i]));
}
結果是什麼？0x00c4,0x00e3
如果encoding ="8859_1"，結果又是什麼？0x3f
如果程式碼改為
String encoding = "gb2312";
char c[] = {'/u4f60'};
CharToByteConverter converter = CharToByteConverter.getDefault();
byte b[] = converter.convertAll(c);
for (int i = 0; i < b.length; i++) {
System.out.println(Integer.toHexString(b[i]));
}
結果將又是什麼？根據平臺的編碼而定。
很多中文問題就是從這兩個最簡單的類派生出來的。而卻有很多類不直接支援把encoding輸入，這給我們帶來諸多不便。很多程式難得用encoding了，直接用default的encoding，這就給我們移植帶來了很多困難。
2.utf-8
utf-8是和unicode一一對應的，其實現很簡單
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 _ _ _ _ _ _
大多數情況是隻使用到16位以下的unicode:
"你"的gb碼是：0xc4e3 ,unicode是0x4f60
0xc4e3的二進位制：
1100 ，0100 ，1110 ，0011
由於只有兩位我們按照兩位的編碼來排，但是我們發現這行不通，因為第７位不是0因此，返回"?"
0x4f60的二進位制：
0100 ，1111 ，0110 ，0000
我們用utf-8補齊，變成：
1110 ，0100 ，1011 ，1101 ，1010 ，0000
e4--bd-- a0
於是返回：0xe4,0xbd,0xa0。
3.string和byte[]
string其實核心是char[],然而要把byte轉化成string，必須經過編碼。string.length()其實就是char陣列的長度，如果使用不同的編碼，很可能會錯分，造成散字和亂碼。
例如：
String encoding = “”;
byte [] b={(byte)'/u00c4',(byte)'/u00e3'};
String str=new String(b,encoding);
如果encoding=8859_1，會有兩個字，但是encoding=gb2312只有一個字這個問題在處理分頁是經常發生 。
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讀/寫InputStream/OutputStream。
例如：
檔案test.txt只有一個"你"字，0xc4,0xe3
String encoding = "gb2312";
InputStreamReader reader = new InputStreamReader(new FileInputStream(
"text.txt"), encoding);
char c[] = new char[10];
int length = reader.read(c);
for (int i = 0; i < length; i++) {
System.out.println(c[i]);
}
結果是什麼？你
如果encoding ="8859_1"，結果是什麼？??兩個字元，表示不認識。
反過來的例子自己做。
5.我們要對java的編譯器有所瞭解
javac ?encoding
我們常常沒有用到encoding這個引數。其實encoding這個引數對於跨平臺的操作是很重要的。如果沒有指定encoding，則按照系統的預設encoding,gb平臺上是gb2312，英文平臺上是iso8859_1。
java的編譯器實際上是呼叫sun.tools.javac.main的類，對檔案進行編譯，這個類有compile函式中間有一個encoding的變數,-encoding的引數其實直接傳給encoding變數。編譯器就是根據這個變數來讀取java檔案的，然後把用utf-8形式編譯成class檔案。
例子程式碼：
String str = "你";
FileWriter writer = new FileWriter("text.txt");
write.write(str);
writer.close();
如果用gb2312編譯，你會找到e4 bd a0的欄位 ；
如果用8859_1編譯， 00c4 00e3的二進位制：
0000，0000 ，1100，0100 ，0000，0000 ，1110，0011
因為每個字元都大於7位，因此用11位編碼：
1100，0001，1000，0100，1100，0011，1010，0011
c1-- 84-- c3-- a3
你會找到c1 84 c3 a3 。
但是我們往往忽略掉這個引數，因此這樣往往會有跨平臺的問題：
樣例程式碼在中文平臺上編譯，生成zhclass
樣例程式碼在英文平臺上編譯，輸出enclass
(1). zhclass在中文平臺上執行ok,但是在英文平臺上不行
(2). enclass在英文平臺上執行ok,但是在中文平臺上不行
原因：
(1). 在中文平臺上編譯後，其實str在執行態的char[]是0x4f60, 在中文平臺上執行，filewriter的預設編碼是gb2312,因此 chartobyteconverter會自動用呼叫gb2312的converter,把str轉化成byte輸入到fileoutputstream中，於是0xc4,0xe3放進了檔案。
但是如果是在英文平臺下，chartobyteconverter的預設值是8859_1, filewriter會自動呼叫8859_1去轉化str,但是他無法解釋，因此他會輸出"?"
(2). 在英文平臺上編譯後，其實str在執行態的char[]是0x00c4 0x00e3, 在中文平臺上執行，中文無法識別，因此會出現??；
在英文平臺上，0x00c4-->0xc4,0x00e3->0xe3，因此0xc4,0xe3被放進了檔案。
6. 其它原因：<%@ page contentType="text/html; charset=GBK" %>
設定瀏覽器的顯示編碼，如果response的資料是utf8編碼，顯示將是亂碼，但是亂碼和上述原因還不一樣。
7. 發生編碼的地方：
? 從資料庫到java程式 byte——〉char
? 從java程式到資料庫 char——〉byte
? 從檔案到java程式 byte——〉char
? 從java程式到檔案 char——〉byte
? 從java程式到頁面顯示 char——〉byte
? 從頁面form提交資料到java程式byte——〉char
? 從流到java程式byte——〉char
? 從java程式到流char——〉byte
謝志鋼的解決方法：
我是使用配置過濾器的方法解決中文亂碼的：
<web-app>
<filter>
<filter-name>RequestFilter</filter-name>
<filter-class>net.golden.uirs.util.RequestFilter</filter-class>
<init-param>
<param-name>charset</param-name>
<param-value>gb2312</param-value>
</init-param>
</filter>
<filter-mapping>
<filter-name>RequestFilter</filter-name>
<url-pattern>*.jsp</url-pattern>
</filter-mapping>
</web-app>
public void doFilter(ServletRequest req, ServletResponse res,
FilterChain fChain) throws IOException, ServletException {
HttpServletRequest request = (HttpServletRequest) req;
HttpServletResponse response = (HttpServletResponse) res;
HttpSession session = request.getSession();
String userId = (String) session.getAttribute("userid");
req.setCharacterEncoding(this.filterConfig.getInitParameter("charset")); // 設定字符集？
實際上是設定了byte ——〉char的encoding
try {
if (userId == null || userId.equals("")) {
if (!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}//x2Ejsp$")) {
session.invalidate();
response.sendRedirect(request.getContextPath() +
"/uirs/logon/logon.jsp");
}
}
else { // 看看是否具有資訊上報系統的許可權
if (!net.golden.uirs.util.UirsChecker.check(userId, "資訊上報系統",
net.golden.uirs.util.UirsChecker.ACTION_DO)) {
if (!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}//x2Ejsp$")) {
response.sendRedirect(request.getContextPath() +
"/uirs/logon/logonController.jsp");
}
}
}
}
catch (Exception ex) {
response.sendRedirect(request.getContextPath() +
"/uirs/logon/logon.jsp");
}
fChain.doFilter(req, res);
}