Java中的乱码问题

た入场券 2022-09-18 14:48 181阅读 0赞

[http://aspnetdb.iteye.com/blog/1162774][http_aspnetdb.iteye.com_blog_1162774]

Java中乱码问题很常见，原因也多种多样，这里做一个总结，不求全面，力求准确，如果错误欢迎指正。

**1.文件页面编码导致的乱码。**

每一个文件（java，js,jsp，html等）都有其本身的编码格式，文件中的代码在一种编码中显示正常，在另外一种编码下就会显示出乱码。  
在Eclipse中，每一个工程都会有编码格式（Text file encoding）， 一般默认为GBK。而一个比较好的编程习惯是新建一个项目，优先把项目的编码设为UTF-8。  
这样做的原因很简单，UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。几种常见的字符集，GBK，GB2312，UTF-8之间的关系如下：  
GBK是国家标准GB2312基础上扩容后兼容GB2312的标准。GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换

有兴趣了解更多，可以参考如下链接的文章，写的很好。

[http://www.cnblogs.com/xiaomia/archive/2010/11/28/1890072.html][http_www.cnblogs.com_xiaomia_archive_2010_11_28_1890072.html]

**2.不同字符集的字符串转换时导致的乱码。**  
每一个String，底层实现都是用一个byte数组存储，使用不同的字符集，存储的数组长度当然就不同。如果不使用同一种字符集进行解码，就一定会出现乱码。  
例如如下代码：

Java代码   ![收藏代码][icon_star.png]

1.  **import** java.io.UnsupportedEncodingException;  
2.  **import** java.nio.charset.Charset;  
3.  **public** **class** TestCharset \{  
4.    
5.      **public** **static** **void** main(String\[\] args) **throws** UnsupportedEncodingException \{  
6.            
7.          String strChineseString = "中文";  
8.          String encoding = System.getProperty("file.encoding");  
9.          System.out.println("系统默认的字符集是:" + encoding);  
10.         System.out.println(strChineseString.getBytes(Charset.forName("GBK")).length);  
11.         System.out.println(strChineseString.getBytes(Charset.forName("UTF-8")).length);  
12.         System.out.println(strChineseString.getBytes().length);  
13.     \}  
14. \}

输出结果为：

Java代码   ![收藏代码][icon_star.png]

1.  系统默认的字符集是:UTF-8  
2.  4  
3.  6  
4.  6

可以看出，使用GBK和UTF-8编码，得到的byte数组长度不一样，原因就是utf-8使用3个字节来编码中文，而GBK使用2个字节来编码中文。因为我的项目默认使用UTF-8，所以使用不加参数的getBytes()得到的数组长度和使用UTF-8编码的 字符串长度一样。关于字符集的详细知识可以参考第一部分中给出的文章地址。

JDK中关于getBytes方法的描述：  
** getBytes()** 使用平台的默认字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中。

** getBytes(Charset charset)** 使用给定的 charset 将此 String 编码到 byte 序列，并将结果存储到新的 byte 数组。

每一个字符串底层都有自己的编码方式。不过一旦调用getByte方法后，得到的byte数组就是使用某种特定字符集编码后的数组，不需要再做多余的转换。

当得到上面的byte数组后，就可以调用String的另外一个方法来生成需要转码的String了。  
测试例子如下：

Java代码   ![收藏代码][icon_star.png]

1.  **import** java.io.UnsupportedEncodingException;  
2.  **import** java.nio.charset.Charset;  
3.  **public** **class** TestCharset \{  
4.    
5.      **public** **static** **void** main(String\[\] args) **throws** UnsupportedEncodingException \{  
6.          String strChineseString = "中文";  
7.          **byte**\[\] byteGBK = **null**;  
8.          **byte**\[\] byteUTF8 = **null**;  
9.          byteGBK = strChineseString.getBytes(Charset.forName("GBK"));  
10.         byteUTF8 = strChineseString.getBytes(Charset.forName("utf-8"));  
11.         System.out.println(**new** String(byteGBK,"GBK"));  
12.         System.out.println(**new** String(byteGBK,"utf-8"));  
13.         System.out.println("\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*");  
14.         System.out.println(**new** String(byteUTF8,"utf-8"));  
15.         System.out.println(**new** String(byteUTF8,"GBK"));  
16.     \}  
17. \}

输出结果为：

Java代码   ![收藏代码][icon_star.png]

1.  中文  
2.  ����  
3.  \*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*  
4.  中文  
5.  涓枃

可以看出，使用哪种字符集编码一个String，在生成一个String的时候就必须使用相应的编码，否则就会出现乱码。  
简单来讲，只有满足如下公式的String转码，才不会乱码。

Java代码   ![收藏代码][icon_star.png]

1.  String strSource = "你想要转码的字符串";  
2.  String strSomeEncoding = "utf-8";   //例如utf-8  
3.  String strTarget = **new** String (strSource.getBytes(Charset.forName(strSomeEncoding)), strSomeEncoding);

JDK中关于getBytes方法的描述：  
**String(byte\[\] bytes)**  通过使用平台的默认字符集解码指定的 byte 数组，构造一个新的 String。   
**String(byte\[\] bytes, Charset charset)**  通过使用指定的 charset 解码指定的 byte 数组，构造一个新的 String。

**3.Socket网络传输时导致的中文乱码。**  
使用Socket进行通讯的时候，传输有多种选择，可以使用PrintStream,也可以使用PrintWriter。传输英文还好，传输中文就可能出现乱码问题。网上的说法很多，经过实际测试，发现问题还在字节和字符的问题上面。

众所周知，Java中分为字节流和字符流，字符（char）是16bit的，字节（BYTE）是8bit的。PrintStrean是写入一串8bit的数据的。 PrintWriter是写入一串16bit的数据的。   
String缺省是用UNICODE编码，是16bit的。因此用PrintWriter写入的字符串，跨平台性好一些，PrintStream的可能会出现字符集乱码。

可以这样理解上面的话，PrintStream是用来操作byte, PrintWriter是用来操作Unicode, PrintStream一次读8bit的话，如果遇到汉字（一个汉字占16bit），就可能会出现乱码。一般需要处理中文时用PrintWriter好了。

最后网站测试，使用PrintWriter没有出现乱码。代码如下：

Java代码   ![收藏代码][icon_star.png]

1.  **import** java.io.BufferedReader;  
2.  **import** java.io.DataOutputStream;  
3.  **import** java.io.IOException;  
4.  **import** java.io.OutputStreamWriter;  
5.  **import** java.io.PrintWriter;  
6.  **import** java.net.Socket;  
7.    
8.  **public** **class** TestSocket \{  
9.    
10.     **public** **static** **void** main(String\[\] args) **throws** IOException \{  
11.         Socket socket = **new** Socket();  
12.         DataOutputStream dos = **null**;  
13.         PrintWriter pw = **null**;        
14.         BufferedReader in = **null**;  
15.         String responseXml = "要传输的中文";  
16.         //..........  
17.         dos = **new** DataOutputStream(socket.getOutputStream());  
18.         pw = **new** PrintWriter(**new** OutputStreamWriter(dos));  //不带自动刷新的Writer           
19.         pw.println(responseXml);  
20.         pw.flush();  
21.     \}  
22. \}

需要注意的方面是，需要使用PrintWriter的println而不是write方法，否则服务器端会读不到数据的。原因就是println会在输出的时候在字符串后面加一个换行符，而write不会。  
Println和write具体区别可以参考如下网址，里面的网友有讨论：  
[http://www.oschina.net/question/101123\_17855][http_www.oschina.net_question_101123_17855]

**4.JSP中显示中文的乱码。**  
有的时候JSP页面在显示中文的时候会有乱码，大多数情况就是字符集配置和页面编码的问题。只要保证如下的几个配置没有问题，一般就不会有乱码出现。  
a.JSP页面顶端添加如下语句：

Java代码   ![收藏代码][icon_star.png]

1.  <%@ page contentType="text/html; charset=utf-8" language="java" errorPage="" %>

b.在HTML的head标签中添加如下语句。

Java代码   ![收藏代码][icon_star.png]

1.  <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

c.保证JSP的页面编码与上面两个的charset相同，这点我有在文章的第一点说过。

上面的字符集可以根据需要自己灵活选择，不一定非要utf-8。不过因为utf-8对各国语言，特别是中文支持较好，所以推荐使用。我就曾经遇到过滘在GB2312编码的页面无法正常显示的问题。  
   
**5.Post和Get传递中文，后台获取乱码。**  
前台传递中文也分为Get和Post方法。

**a.Get方法的情况：**  
Get方法的时候主要是URL传递中文。  
如果是在js文件中，可以使用如下代码进行中文转码。

Js代码   ![收藏代码][icon_star.png]

1.  **var** url ="http://www.baidu.com/s?industry=编码"  
2.  url = encodeURI(url);

如果是在jsp文件中，则可以使用如下语句进行转码。  
页面开始引入：

Java代码   ![收藏代码][icon_star.png]

1.  <%@ page **import**="java.net.URLEncoder" %>

需要转码的地方使用URLEncoder进行编码：

Js代码   ![收藏代码][icon_star.png]

1.  <a href="xxxxx.xx?industry=<%=URLEncoder.encode("http://www.baidu.com/s?wd=编码", "UTF-8")%>">

无论使用哪种方法，在后台获取中文的时候都要使用如下代码：

Java代码   ![收藏代码][icon_star.png]

1.  request.setCharacterEncoding("utf-8");  
2.  String industry = **new** String(  
3.  request.getParameter("industry ").getBytes("ISO8859-1"),"UTF-8");

【注】  
1.对于request，是指提交内容的编码，指定后可以通过getParameter()则直接获得正确的字符串，如果不指定，则默认使用iso8859-1编码，为了统一，需要提交指定传输编码。  
2.上面代码的第二句好像和第2条中给出的公式矛盾。我也纠结了好久，最后发现ISO8859-1是一种比较老的编码，通常叫做Latin-1，属于单字节编码，正好和计算机最基础的表示单位一致，因此使用它进行转码一般也没有问题。  
iso-8859-1是JAVA网络传输使用的标准字符集,而gb2312是标准中文字符集,当你作出提交表单等需要网络传输的操作的时候,就需要把 iso-8859-1转换为gb2312字符集显示,否则如果按浏览器的gb2312格式来解释iso-8859-1字符集的话,由于2者不兼容,所以会是乱码。为了省事，建议统一使用utf-8字符集。  
**b.POST方法的情况。 **  
对于Post的情况就比较简单了，只需要在post的函数调用部分，制定post的header的字符集，如：

Js代码   ![收藏代码][icon_star.png]

1.  xmlHttp.open("post", url , **true**);  
2.  xmlHttp.setRequestHeader("Content-Type","text/xml; charset= utf-8");   
3.  xmlHttp.send(param);

其中param为要传递的参数。

后台部分和get方法一样，设置如下即可，注意传输和接受的字符集要统一。

没懂的话可以参考如下文章，写的挺好。  
[http://www.cnblogs.com/qiuyi21/articles/1089555.html][http_www.cnblogs.com_qiuyi21_articles_1089555.html]

**6.后台向前台传递中文乱码。**  
在这里提供一个函数，通过这个函数来发送信息，就不会出现乱码，核心思想也是设置response流的字符集。函数代码如下：

Java代码   ![收藏代码][icon_star.png]

1.  /\*\* 
2.   \* @Function:writeResponse 
3.   \* @Description:ajax方式返回字符串 
4.   \* @param str:json 
5.   \* @return:true:输出成功，false:输出失败 
6.   \*/  
7.  **public** **boolean** writeResponse(String str)\{  
8.      **boolean** ret = **true**;  
9.      **try**\{  
10.         HttpServletResponse response = ServletActionContext.getResponse();  
11.         response.setContentType("text/html;charset=utf-8");  
12.         PrintWriter pw = response.getWriter();  
13.         pw.print(str);  
14.         pw.close();  
15.     \}**catch** (Exception e) \{  
16.         ret = **false**;  
17.         e.printStackTrace();  
18.     \}  
19.     **return** ret;  
20. \}

7.下载文件时文件名乱码。  
下过下载的人都知道下载的文件容易出现乱码，原因也是没有对输出流的编码格式进行限定。

附上一段代码，用来帮你完成无乱码下载。

Java代码   ![收藏代码][icon_star.png]

1.  HttpServletResponse response = ServletActionContext.getResponse();  
2.  response.setContentType("text/html;charset=utf-8");  
3.  response.reset();  
4.  String header = "attachment; filename=" + picName;  
5.        header = **new** String(header.getBytes(), "UTF-8");  
6.        response.setHeader("Content-disposition", header);

核心代码就上几句，注意第二句和第三句的reset的顺序不能搞错。  
reset的作用是用来清空buffer缓存的，清空请求前部的一些空白行。

以上只是做了比较简单的总结，具体乱码有的时候可能是多个情况的组合，具体问题具体分析。如果错误欢迎指正。

[http_aspnetdb.iteye.com_blog_1162774]: http://aspnetdb.iteye.com/blog/1162774
[http_www.cnblogs.com_xiaomia_archive_2010_11_28_1890072.html]: http://www.cnblogs.com/xiaomia/archive/2010/11/28/1890072.html
[icon_star.png]: /images/20220828/09b3adc487f24287b3165abbc30b43a1.png
[http_www.oschina.net_question_101123_17855]: http://www.oschina.net/question/101123_17855
[http_www.cnblogs.com_qiuyi21_articles_1089555.html]: http://www.cnblogs.com/qiuyi21/articles/1089555.html