Java字符编码处理与转换

 String newStr = new String(oldStr.getBytes(), "UTF-8");     
  
java中的String类是按照unicode进行编码的，当使用String(byte[] bytes, String encoding)构造字符串时，encoding所指的是bytes中的数据是按照那种方式编码的，而不是最后产生的String是什么编码方式，换句话说，是让系统把bytes中的数据由encoding编码方式转换成unicode编码。如果不指明，bytes的编码方式将由jdk根据操作系统决定。    
  
        当我们从文件中读数据时，最好使用InputStream方式，然后采用String(byte[] bytes, String encoding)指明文件的编码方式。不要使用Reader方式，因为Reader方式会自动根据jdk指明的编码方式把文件内容转换成unicode 编码。    
  
        当我们从数据库中读文本数据时，采用ResultSet.getBytes()方法取得字节数组，同样采用带编码方式的字符串构造方法即可。    
  
ResultSet rs;    
bytep[] bytes = rs.getBytes();    
String str = new String(bytes, "gb2312");    
  
不要采取下面的步骤。    
  
ResultSet rs;    
String str = rs.getString();    
str = new String(str.getBytes("iso8859-1"), "gb2312");    
  
        这种编码转换方式效率底。之所以这么做的原因是，ResultSet在getString()方法执行时，默认数据库里的数据编码方式为 iso8859-1。系统会把数据依照iso8859-1的编码方式转换成unicode。使用str.getBytes("iso8859-1")把数据还原，然后利用new String(bytes, "gb2312")把数据从gb2312转换成unicode，中间多了好多步骤。    
  
        从HttpRequest中读参数时，利用reqeust.setCharacterEncoding()方法设置编码方式，读出的内容就是正确的了。  


先说Java。     
  JVM里面的任何字符串资源都是Unicode，就是说，任何String类型的数据都是Unicode编码。没有例外。既然只有一种编码，那么，我们可以这么说，JVM里面的String是不带编码的。String相当于   char[]。     
  JVM里面的   byte[]   数据是带编码的。比如，Big5，GBK，GB2312，UTF-8之类的。     
  一个GBK编码的byte[]   转换成   String，其实就是从GBK编码向Unicode编码转换。     
  一个String转换成一个Big5编码的byte[]，其实就是从Unicode编码向Big5编码转换。     
  所以，Unicode是所有编码转换的中间介质。所有的编码都有一个转换器可以转换到Unicode，而Unicode也可以转换到其他所有的编码。这样构成了一个总线结构。     
  比如，如果总共有10种编码，那么只需要   10   +   10   =   20个转换器就够了。如果要是两两直接转换，那么，需要的转换器数量是一个组合数字，需要90个转换器。   

    
  一个系统的不同部分，都有自己的编码。比如，数据库，文件，JVM，浏览器这4个部分。     
  在这些部分之间数据交换的地方，就会出现编码问题。比如，数据库和JVM之间，文件和JVM之间，浏览器和JVM之间。这些问题的原理都是相通的。   
    
  编码问题最容易处理的地方是文件和JVM之间。文件IO   API带有encoding   参数，请自行查阅。     
  最不容易出现编码问题的地方是数据库和JVM之间。这应该是数据库JDBC连接的基本功能。本文不专门进行讨论。     
  最容易出问题的地方是浏览器和服务器JVM之间（其实，代码里面的字符串更容易出问题，不过，我已经事先声明，本文不讨论代码中的字符串编码）。下面主要讨论这块浏览器和服务器JVM之间的编码问题。   
    
  我们把浏览器编码叫做   Browser_Charset，把JVM编码叫做JVM_Charset（通常等于服务器系统编码）。     
  当浏览器的数据过来的时候，是一个带有Browser_Charset的byte[]。     
  如果用户处理程序需要一个String类型的数据，那么JVM会好心好意地把这个byte[]转换成String。使用的转换器是   JVM_Charset   ->   Unicode。     
  注意，如果这个时候，Browser_Charset   和   JVM_Charset并不相等。那么，这个自动转换是错误的。     
  为了弥补这个错误。我们需要做两步工作。     
  (1)   Unicode   ->   JVM_Charset，把这个String   转换回到原来的   byte[]。     
  (2)   Browser_Charset   ->   Unicode，把这个还原的byte[]转换成   String。   
    
  这个效果，和直接从HTTP   Request取得byte[]，然后执行   (2)   Browser_Charset   ->   Unicode   的效果是一样的。   
    
  如果在Request里面设置了CharacterEncoding，那么POST   Data参数就不需要自己手工转换了，web   server的自动转换就是正确的。URL的参数编码还涉及到URL编码，需要考虑的问题多一些，没有这么简单。  
    
  JVM把数据发到浏览器的时候。也需要考虑编码问题。可以在Response里面设置。另外，HTML   Meta   Header里面也可以设置编码，提醒Browser选择正确编码。   
    
  有些语言的VM或者解释器的字符串编码可能不同。比如，Ruby。不过，编码转换原理都是一样的。   
    
  That   is   all.   
    

JAVA字符编码     
      
一、概要