zoukankan      html  css  js  c++  java
  • 字节和unicode

    一、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。 

    byte ——〉char: 
    "你"的gb码是: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])); 

    结果是什么?0x4f60 
    如果encoding ="8859_1",结果又是什么?0x00c4,0x00e3 



    如果代码改为: 

    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])); 




    结果将又是什么? 

    这就要根据平台的编码而定。 

    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])); 

    结果是什么?0x00c4,0x00e3 
    如果encoding ="8859_1",结果又是什么?0x3f 
    如果代码改为 
    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])); 




    结果将又是什么?还是根据平台的编码而定。 

    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。 

    二、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 
    0xc4e3的二进制: 
    1100 ,0100 ,1110 ,0011 



    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"?" 

    0x4f60的二进制: 
    0100 ,1111 ,0110 ,0000 
    我们用utf-8补齐,变成: 
    1110 ,0100 ,1011 ,1101 ,1010 ,0000 
    e4--bd-- a0 
    于是返回:0xe4,0xbd,0xa0。 



    三、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。例如: 

    String encoding = “”; 
    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。 

    四、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。例如: 

    文件test.txt只有一个"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]); 




    结果是什么?是"你"。如果encoding ="8859_1",结果是什么?"??"两个字符,表示不认识。反过来的例子自己做。 
    五、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。例子代码: 

    String str = "你"; 
    FileWriter writer = new FileWriter("text.txt"); 
    write.write(str); 
    writer.close(); 

    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: 
    0000,0000 ,1100,0100 ,0000,0000 ,1110,0011 
    因为每个字符都大于7位,因此用11位编码: 
    1100,0001,1000,0100,1100,0011,1010,0011 
    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: 

    样例代码在中文平台上编译,生成zhclass 

    样例代码在英文平台上编译,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 

    原因是: 

    (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。 

    六、其它原因: 

    <%@ page contentType="text/html; charset=GBK" %> 



    设置浏览器的显示编码,如果response的数据是utf8编码,显示将是乱码,但是乱码和上述原因还不一样。 

    七、发生编码的地方: 

    1. 从数据库到Java程序 byte——〉char 

    2. 从Java程序到数据库 char——〉byte 

    3. 从文件到Java程序 byte——〉char 

    4. 从Java程序到文件 char——〉byte 

    5. 从Java程序到页面显示 char——〉byte 

    6. 从页面form提交数据到Java程序byte——〉char 

    7. 从流到Java程序byte——〉char 

    8. 从Java程序到流char——〉byte 

    可以使用配置过滤器的方法解决中文乱码的: 

    <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")); 
    // 设置字符集? 
    //实际上是设置了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 { 
    // 看看是否具有信息上报系统的权限 
    if (!net.golden.uirs.util.UirsChecker.check(userId, "信息上报系统", 
    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); 

  • 相关阅读:
    CF1119H
    oracle 第06章 数据字典
    oracle col命令
    oracle 第05章 SQL语句
    oracle 第04章 字符集
    oracle 第03章 体系结构
    oracle 第02章 基本操作
    oracle 第01章 安装
    oracle启动、关闭、重启脚本
    第十一周-学习进度条
  • 原文地址:https://www.cnblogs.com/01picker/p/4394857.html
Copyright © 2011-2022 走看看