当前位置：首页 » 编程博文

开发技术指南» 文章正文

    引言： J2EE Web组件中中文及相关的问题

 

 

J2EE Web组件中中文及相关的问题 作者：whodsow
j2ee web组件中中文及相关的问题

作者:whodsow（原作） 【程序编程相关:网络数据流的java处理】

  【推荐阅读:ASP中SQL语句导致的性能问题】

一.　　　　常见字符集简介 【扩展信息:C++ 枚举类型的思考】

“与c/c++不同,java中的字符数据是16位无符号型数据,它表示unicode集,而不仅仅是ascii集”①.这是一个很好的做法,它解决了www上更多的程序设计问题,比如说低成本的国际化(international),然而用16位的字符,却带来了浪费,毕竟java所处理的信息,绝大多数都是英文,对它们来说7位的acsii码已经足够了,而unicode却需要双倍的空间,所以java的这种兼顾各种语言的做法却是与存储资源及效率的妥协.而对中国的java程序员（特别是初级的）来说,java采用unicode字符,却给我们带来了尴尬甚至噩梦——web页面上显示的不是中文,而是乱码.

　　字符集就是字符内码到字符的表现形式之间的映射的集合.ascii字符a是就内码0x41的表现形式,所以在很多程序语言中,字符变量与整型变量仅在一念之差.

1.　　　　iso8859系列

iso8859包括诸如iso8859-1,iso8859-2之类的一系列字符集,它们都是8位的字符集,0~0x7f仍与ascii字符集保持兼容,大于0x7f的是各种拉丁字符或欧洲字符的扩展.

2.　　　　gb2312字符集

如果像iso8859系列一样,大于0x7f的字符用来表示汉字,则最多表示128个,这显然不够,于是就有了gb2312标准所产生的字符集,如果当前字节(8 bit)小于0x80,则仍当它为英文字符;如果它大于等于0x80,则它与紧接着它的下一个字节构成一个汉字字符,这样,gb2312字符集可包含大约4000多个常用简体汉字与其他汉字中的特殊符号（如①㈠之类）.其他类似的汉字字符集还有gbk（gb2312的扩展）,gb18030,big5(繁,台湾省用),详细规范介绍可参考:http://www.unihan.com.cn/cjk/ana17.htm

3.　　　　unicode字符集

unicode字符最初是16位的(出于需要,后来增加了代用对),它与7位的us-ascii保持兼容,ms的windows nt/2000/xp与sun的java都用它作为默认的字符集,它最初是美国商务联盟的事实上的标准,它遵循国际通用字符(ucs)集标准:iso/iec 10646.unicode的主要目标是提供一个“通用字符集”,这个通用字符集包括世界上所有的语言,字母与文字,所以在unicode字符集中,不光“i”是字母,“我”也是字母,在写java时也可以“int 我是中国人 = 0xff;”.毕竟16位的unicode字符集最多只有216= 65536个字符,还不足以在实际应用中表示所有的字符,而且在以英文为主要信息的互联网时代,它的使用.存储与传输,都极其浪费空间,所以在此基础上出现了utf-8(unicode transformation form 8-bit form)与utf-16这两种对unicode字符编码的规范,在utf-8中,属于us-ascii中的字符,仍用一个字节表示,且与us-ascii兼容,编码其他的字符,则用1（大于0x7f部分）到3个字节.utf-8的变长性与复杂性,对非ascii的字符,就不大友好了,也开始违背了unicode的初衷.而utf-16则是很简单的编码方式,它完全遵循unicode标准,用16位的定长空间来表示部分unicode字符集.关于unicode的更多规范,请访问unicode联盟站点:http://www.unicode.org,utf-8与utf-16分别定义在ietf的rfc 2279与rfc 2781中,可以通过http://www.ietf.org/rfc2279.txt或http://www.ietf.org/rfc2781.txt访问它们.

一般情况下,字符集名称是大小写不敏感的,所以gb2312也可以写作gb2312或gb2312.

二.　　　　乱码带来的尴尬

1.　　　　先看一个jsp

jsp(java server page)的实质还是一个servlet,所以用jsp,也可以说明servlet中的一些问题,就一般而言,jsp代码比servlet代码还要简单.

我们先用jsp来做一个实验,下面的这个jsp文件中含有常量字符串“我是中国人”,看看它在浏览器的输出是否会是乱码?

<%-- discomfiture.jsp --%>

<%

string str = "我是中国人";

system.out.println(str);

out.println(str);

%>

从浏览器打开它,并没有乱码,显示的就是“我是中国人”这个字符串.先别乐,再看看服务器的输出窗口吧,如图2-1,服务器监视窗口输出了乱码（红色下划线标出）.

图 2-1 服务器窗口中输出的乱码

　　虽说只是在服务器端出现了乱码,而客户端浏览器是完全正确显示的,但这里很明显出了什么问题,否则都两边应该是正确的输出.

服务器端输出了乱码,说明服务器java虚拟机（java virtual machine, jvm）没有“得到”正确的字符串.为了保证jvm能够正确“得到”我们指出的含中文的常量字符串,我们可以直接用字符的unicode内码代替字符串中的字符,就像

string str=”i am chinese”;

用

string str = “\u0049\u0020\u0061\u006d\u0020\u0043\u0068\u006e\u0065\u0073\u0065”;

代替一样.明确给jvm指出这些字符串,是否还会出现乱码呢?要得到一个字符的unicode内码是件很容易的事,java与javascrtipt的字符都是用unicode字符集的.先看看输出unicode字符内码的java程序:

public class getcode

{

　　　　　　　　　 public static void main(string args[])

　　　　　　　　　 {

　　　　　　　　　　　　　　char chs[] = args[0].tochararray();

　　　　　　　　　　　　　　for(int i = 0; i < chs.length; i++){

　　　　　　　　　　　　　　　　　　　system.out.println(chs[i] + " = " + (int)chs[i]);

　　　　　　　　　　　　　　}

　　　　　　　　　　　　　　system.out.println(args[0]);

　　　　　　　　　 }

}

编译并执行它,结果如图

不过javascript用起来,怎么也比java来得快,这里也介绍一段javascript代码:

<script>

var str = "我是中国人";

for(var i = 0; i < str.length; i++)

{

　　　　　document.wirte(str.charat(i) + " = " + str.charcodeat(i) + "<br>");

}

document.write(str);

</script>

保存为html文件,输出如下图:

图 2-2 javascript在ie6.0中输出

现在替换discomfiture.jsp中的中文字符串:

<%-- discomfiture1.jsp --%>

<%

string str = "\u6211\u662f\u4e2d\u56fd\u4eba";

system.out.println(str);

out.println(str);

%>

　　实验得到了希望的结果,服务器端输出窗口正确输出了字符串,可客户端浏览器却又输出了乱码,如下图

图 2-3 jsp在ie6.0中出现了乱码

图 2-4 客户端刷新两次的服务器窗口的输出

因为直接使用的unicode码生成的字符串,保证了在jsp生成的servlet discomfiture1$jsp中,字符串str的值一定是“我是中国人”,而服务器窗口的输出也证实了这一点,那么也就是说在servlet discomfiture$jsp中str的值并不是“我是中国人”,因为它在服务器窗口中输出了乱码,如图 2-1可以发现,当时输出了10个字符,即str的长度是10,并不是5.可为什么在浏览器却好好地得到了这个字符的输出呢? 先简要明白两个概念:编码与解码.

2.　　　　编码与解码

编码(encode)与解码(decode)是两个相反的动作.编码是把字符按照某种映射标准（字符集）,转换成字节,这时我们把执行编码动作时所采用的标准叫编码(encoding).
...   下一页

» 本期热门文章：

· 热门栏目：

» 相关精选文章

» 其它相关：