字符乱码问题小结

在工作中，有时会遇到一些字符编码上的问题，一旦文件的编码格式与源文件的编码格式不一致，代码中的一些字符（大多数情况下是中文）就很有可能会出现乱码现象。当时，自己经验不足的时候，要解决这类问题，也常常会让自己耗费不少的时间，现在，根据一些资料来作出一些整理，以便日后的工作中可以更有效率地解决重复问题。

一 常用的字符编码

首先介绍一下计算机中一些主流常见的编码。

1.1 GBK & GB2312 （中文）

• GB2312
  它是一个简体中文字符集，由 6763 个常用汉字和 682 个全角（指一个字符占用两个标准字符位置的状态）的汉字字符组成。
  GB2312 编码使用两个字节（8位2进制）表示一个汉字，理论上最多可以表示 256 * 256 = 65536 个汉字。这个编码仅在中国可以正常使用，如果是其它国家的网友访问你使用 GB2312 编码的网站，就会出现乱码显示，因为他们的浏览器并不是使用 GB2312 编码格式。

• GBK
  GBK 主要是为了解决 GB2312 不能表示的生僻字而出现的。

1.2 Unicode（UTF-8 & UTF-16 & UTF-32）

Unicode 编码也称为万国码，它是计算机科学领域的一项业界标准。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

　　Unicode 比 ANSI 好用。现在 WIN 的系统内核开始完全支持并完全应用 Unicode 编写，所有 ANSI 字符在进入底层之前，都会被 API 转换成 Unicode。基于此，所以你一开始就是用 Unicode 编码就可以减少转换的用时和 RAM 开销。
　　另外在语言中 JAVA / .NET 内置的字符串所使用的字符集已经完全是 Unicode。最重要的是，现在世界上大多数程序用的字符集都是 Unicode。

　　不过 Java 中 Unicode 使用 16 进制编码（可以使用 UTF-8 解决），编码太庞大会造成网络传输的负担。

1.3 ISO8859-1

　　ISO8859-1 是国际通用编码，一般只有字母就使用此编码格式。它是单字节编码，向下兼容 ASCII，其编码范围是0x00-0xFF。

二 乱码出现的分析

　　可以使用下面这段代码，查看系统的属性列表：

1. public class Test{
2. publicstaticvoid main(String[] args){
3. System.getProperties().list(System.out);
4. }
5. }

　　运行此代码，结果如下（截取部分内容）:

… …
　　同时，应该需要注意这个属性：

　　需要明白乱码出现的本质：其实就是编码格式和解码格式不一致造成的。

null