JAVA编码与乱码问题

 

常用编码的种类

ASCII

　　ASCII码使用7位2进制数表示一个字符，7位2进制数可以表示出2的7次方个字符，共128个字符，最高位的1没有用。取值范围： 0X00-0X7F

 

EBCDIC(Extended Binary Coded Decimal Interchange Code)

  （iso-8859-1）有些情况也叫Latin-1

n     　　因为ISO-8859-1编码范围使用了单字节内的所有空间，在支持ISO-8859-1的系统中传输和存储其他任何编码的字节流都不会被抛弃。把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题。

n     0X00-0X7F前面的和ASCII完全兼容

 

 

GB2312 是对 ASCII 的中文扩展

         （非定长编码）

　　     规定：一个小于127的字符的意义与原来相同，但两个大于127的字符连在一起时，就表示一个汉字，前面的一个字节（他称之为高字节）从0xA1用到 0xF7，后面一个字节（低字节）从0xA1到0xFE，这样我们就可以组合出大约7000多个简体汉字了。  

 

GBK（GB18030 少数民族的字也加进去了）

　　　由于中国字太多如繁体，于是干脆不再要求低字节一定是127号之后的码，只要第一个字节是大于127就固定表示这是一个汉字的开始，

 

 

UCS （Universal Multiple-Octet Coded Character Set），俗称 "UNICODE"

      就是16位来统一表示所有的字符，对于ascii里的那些“半角”字符，UNICODE 包持其原编码不变，只是将其长度由原来的8位扩展为16位，而其他文化和语言的字符则全部重新统一编码。（编码不兼容）由于“半角”英文符号只需要用到低8位，所以其高 8位永远是0，因此这种方案在保存英文文本时会多浪费一倍的空间。

 

           ISO已经准备了UCS-4方案，说简单了就是四个字节来表示一个字符.

 

 

UTF（UCS Transfer Format）

      UTF（UCS Transfer Format）标准出现了，顾名思义，UTF8就是每次8个位传输数据，而UTF16就是每次16个位，只不过为了传输时的可靠性，从UNICODE到 UTF时并不是直接的对应，而是要过一些算法和规则来转换。

 

 

n    转换规则"联通"的内码是：

n                c1 1100 0001

n                aa 1010 1010

n                cd 1100 1101

n                a8 1010 1000

常用编码的种类

 

n    5、UTF的字节序和BOM

n            

n            UTF-8以字节为编码单元，没有字节序的问题。UTF-16以两个字节为编码单元，在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序。例如收到一个“奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”，那么这是“奎”还是 “乙”？

 

 

n     在UCS 编码中有一个叫做“ZERO WIDTH NO-BREAK SPACE”的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符“ZERO WIDTH NO-BREAK SPACE”。

n     这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。

 

n     因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。

n     UTF -8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符“ZERO WIDTH NO-BREAK SPACE”的UTF-8编码是EF BB BF。

 

n     所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。Windows就是使用BOM来标记文本文件的编码方式的。

 

 

乱码并不可恢复的原因：

      用了不兼容的编码，错误的理解导致部分编码遗失。

 

 

 

各部分编码问题：

(1) java 类.class

        大多数国际性的软件内部均采用UNICODE编码，在软件运行时，它获得本地支持系统（多数时间是操作系统）默认支持的编码格式，然后再将软件内部的UNICODE转化为本地系统默认支持的格式显示出来。Java的JDK和JVM即是如此.

    Java语言内部采用UNICODE编码  

 

 

(2)浏览器

        几乎所有的浏览器默认在传递参数时都是以UTF-8编码格式来传递。

（3）编辑软件java源文件

    【eclipse】

 (4) Tomcat

         如果程序中没有设定接受参数时采用的编码格式，则WEB容器会默认采用ISO-8859-1编码格式来接受传入的值并在JVM中转化为UNICODE格式的保存在WEB容器的内存中

 (5) Java和数据库之间

      和驱动程序有关。（数据库编码）

 

（6）jsp

     自己设定的。