JSP和servlet對中文的處理過程
Java具有簡單性、面向對象、分布式、健壯性、安全性、平台可移植性、多線程、動態性等特點。Java可以編寫桌面應用程式、Web應用程式、分布式系統和嵌入式系統應用程式等。下面，小編為大家搜索整理了JSP和servlet對中文的處理過程，希望能給大家帶來幫助!更多精彩內容請及時關注我們應屆畢業生考試網!
漢字是雙位元組的。所謂雙位元組是指一個雙字要占用兩個BYTE的位置(即16位)，分別稱為高位和低位。中國規定的漢字編碼為GB2312，這是強制性的，目前幾乎所有的能處理中文的應用程式都支持GB2312。GB2312包括了一二級漢字和9區符號，高位從0xa1到0xfe，低位也是從0xa1到0xfe，其中，漢字的編碼範圍為0xb0a1到0xf7fe。
另外有一種編碼，叫做GBK，但這是一份規範，不是強制的。GBK提供了20902個漢字，它兼容GB2312，編碼範圍為0x8140到0xfefe。GBK中的所有字符都可以一一映射到Unicode 2.0。
在不久的將來，中國會頒布另一種標準：GB18030-2000(GBK2K)。它收錄了藏、蒙等少數民族的字型，從根本上解決了字位不足的問題。注意：它不再是定長的。其二位元組部份與GBK兼容，四位元組部分是擴充的字符、字形。它的首位元組和第三位元組從0x81到0xfe，二位元組和第四位元組從0x30到0x39。
本文不打算介紹Unicode，有興趣的可以瀏覽「http://www.unicode.org/」查看更多的信息。Unicode有一個特性：它包括了世界上所有的字符字形。所以，各個地區的語言都可以建立與Unicode的映射關係，而Java正是利用了這一點以達到異種語言之間的轉換。
在JDK中，與中文相關的編碼有：
表1 JDK中與中文相關的編碼列表
編碼名稱
說 明
ASCII
7位，與ascii7相同
ISO8859-1
8-位，與 8859_1,ISO-8859-1,ISO_8859-1,latin1...等相同
GB2312-80
16位，與gb2312,gb2312-1980,EUC_CN,euccn,1381,Cp1381, 1383, Cp1383, ISO2022CN,ISO2022CN_GB...等相同
GBK
與MS936相同，注意：區分大小寫
UTF8
與UTF-8相同
GB18030
與cp1392、1392相同，目前支持的JDK很少
在實際編程時，接觸得比較多的是GB2312(GBK)和ISO8859-1。
為什麼會有「?」號
上文說過，異種語言之間的轉換是通過Unicode來完成的。假設有兩種不同的語言A和B，轉換的步驟為：先把A轉化為Unicode，再把Unicode轉化為B。
舉例說明。有GB2312中有一個漢字「李」，其編碼為「C0EE」，欲轉化為ISO8859-1編碼。步驟為：先把「李」字轉化為Unicode，得到「674E」，再把「674E」轉化為ISO8859-1字符。當然，這個映射不會成功，因為ISO8859-1中根本就沒有與「674E」對應的字符。
當映射不成功時，問題就發生了!當從某語言向Unicode轉化時，如果在某語言中沒有該字符，得到的將是Unicode的代碼「uffffd」(「u」表示是Unicode編碼，)。而從Unicode向某語言轉化時，如果某語言沒有對應的字符，則得到的是「0x3f」(「?」)。這就是「?」的由來。
例如：把字符流buf =「0x80 0x40 0xb0 0xa1」進行new String(buf, "gb2312")操作，得到的結果是「ufffdu554a」，再println出來，得到的結果將是「?啊」，因為「0x80 0x40」是GBK中的字符，在GB2312中沒有。
再如，把字符串String="u00d6u00ecu00e9u0046u00bbu00f9"進行new String (buf.getBytes("GBK"))操作，得到的結果是「3fa8aca8a6463fa8b4」，其中，「u00d6」在「GBK」中沒有對應的字符，得到「3f」，「u00ec」對應著「a8ac」，「u00e9」對應著「a8a6」，「0046」對應著「46」(因為這是ASCII字符)，「u00bb」沒找到，得到「3f」，最後，「u00f9」對應著「a8b4」。把這個字符串println一下，得到的結果是「?ìéF?ù」。看到沒?這裡並不全是問號，因為GBK與Unicode映射的內容中除了漢字外還有字符，本例就是最好的明證。
所以，在漢字轉碼時，如果發生錯亂，得到的不一定都是問號噢!不過，錯了終究是錯了，50步和100步並沒有質的差別。
或者會問：如果源字符集中有，而Unicode中沒有，結果會如何?回答是不知道。因為我手頭沒有能做這個測試的源字符集。但有一點是肯定的，那就是源字符集不夠規範。在Java中，如果發生這種情況，是會拋出異常的。
什麼是UTF
UTF，是Unicode Text Format的縮寫，意為Unicode文本格式。對於UTF，是這樣定義的：
(1)如果Unicode的16位字符的頭9位是0，則用一個位元組表示，這個位元組的首位是「0」，剩下的7位與原字符中的後7位相同，如「u0034」(0000 0000 0011 0100)，用「34」 (0011 0100)表示;(與源Unicode字符是相同的);
(2)如果Unicode的16位字符的頭5位是0，則用2個位元組表示，首位元組是「110」開頭，後面的5位與源字符中除去頭5個零後的最高5位相同;第二個位元組以「10」開頭，後面的6位與源字符中的低6位相同。如「u025d」(0000 0010 0101 1101)，轉化後為「c99d」(1100 1001 1001 1101);
(3)如果不符合上述兩個規則，則用三個位元組表示。第一個位元組以「1110」開頭，後四位為源字符的高四位;第二個位元組以「10」開頭，後六位為源字符中間的六位;第三個位元組以「10」開頭，後六位為源字符的低六位;如「u9da7」(1001 1101 1010 0111)，轉化為「e9b6a7」(1110 1001 1011 0110 1010 0111);
可以這麼描述JAVA程序中Unicode與UTF的關係，雖然不絕對：字符串在內存中運行時，表現為Unicode代碼，而當要保存到文件或其它介質中去時，用的是UTF。這個轉化過程是由writeUTF和readUTF來完成的。
Java具有簡單性、面向對象、分布式、健壯性、安全性、平台可移植性、多線程、動態性等特點。Java可以編寫桌面應用程式、Web應用程式、分布式系統和嵌入式系統應用程式等。下面，小編為大家搜索整理了JSP和servlet對中文的處理過程，希望能給大家帶來幫助!更多精彩內容請及時關注我們應屆畢業生考試網!
漢字是雙位元組的。所謂雙位元組是指一個雙字要占用兩個BYTE的位置(即16位)，分別稱為高位和低位。中國規定的漢字編碼為GB2312，這是強制性的，目前幾乎所有的能處理中文的應用程式都支持GB2312。GB2312包括了一二級漢字和9區符號，高位從0xa1到0xfe，低位也是從0xa1到0xfe，其中，漢字的編碼範圍為0xb0a1到0xf7fe。
另外有一種編碼，叫做GBK，但這是一份規範，不是強制的。GBK提供了20902個漢字，它兼容GB2312，編碼範圍為0x8140到0xfefe。GBK中的所有字符都可以一一映射到Unicode 2.0。
在不久的將來，中國會頒布另一種標準：GB18030-2000(GBK2K)。它收錄了藏、蒙等少數民族的字型，從根本上解決了字位不足的問題。注意：它不再是定長的。其二位元組部份與GBK兼容，四位元組部分是擴充的字符、字形。它的首位元組和第三位元組從0x81到0xfe，二位元組和第四位元組從0x30到0x39。
本文不打算介紹Unicode，有興趣的可以瀏覽「http://www.unicode.org/」查看更多的信息。Unicode有一個特性：它包括了世界上所有的字符字形。所以，各個地區的語言都可以建立與Unicode的映射關係，而Java正是利用了這一點以達到異種語言之間的轉換。
在JDK中，與中文相關的編碼有：
表1 JDK中與中文相關的編碼列表
編碼名稱
說 明
ASCII
7位，與ascii7相同
ISO8859-1
8-位，與 8859_1,ISO-8859-1,ISO_8859-1,latin1...等相同
GB2312-80
16位，與gb2312,gb2312-1980,EUC_CN,euccn,1381,Cp1381, 1383, Cp1383, ISO2022CN,ISO2022CN_GB...等相同
GBK
與MS936相同，注意：區分大小寫
UTF8
與UTF-8相同
GB18030
與cp1392、1392相同，目前支持的JDK很少
在實際編程時，接觸得比較多的是GB2312(GBK)和ISO8859-1。
為什麼會有「?」號
上文說過，異種語言之間的轉換是通過Unicode來完成的。假設有兩種不同的語言A和B，轉換的步驟為：先把A轉化為Unicode，再把Unicode轉化為B。
舉例說明。有GB2312中有一個漢字「李」，其編碼為「C0EE」，欲轉化為ISO8859-1編碼。步驟為：先把「李」字轉化為Unicode，得到「674E」，再把「674E」轉化為ISO8859-1字符。當然，這個映射不會成功，因為ISO8859-1中根本就沒有與「674E」對應的字符。
當映射不成功時，問題就發生了!當從某語言向Unicode轉化時，如果在某語言中沒有該字符，得到的將是Unicode的代碼「uffffd」(「u」表示是Unicode編碼，)。而從Unicode向某語言轉化時，如果某語言沒有對應的字符，則得到的是「0x3f」(「?」)。這就是「?」的由來。
例如：把字符流buf =「0x80 0x40 0xb0 0xa1」進行new String(buf, "gb2312")操作，得到的結果是「ufffdu554a」，再println出來，得到的結果將是「?啊」，因為「0x80 0x40」是GBK中的字符，在GB2312中沒有。
再如，把字符串String="u00d6u00ecu00e9u0046u00bbu00f9"進行new String (buf.getBytes("GBK"))操作，得到的結果是「3fa8aca8a6463fa8b4」，其中，「u00d6」在「GBK」中沒有對應的字符，得到「3f」，「u00ec」對應著「a8ac」，「u00e9」對應著「a8a6」，「0046」對應著「46」(因為這是ASCII字符)，「u00bb」沒找到，得到「3f」，最後，「u00f9」對應著「a8b4」。把這個字符串println一下，得到的結果是「?ìéF?ù」。看到沒?這裡並不全是問號，因為GBK與Unicode映射的內容中除了漢字外還有字符，本例就是最好的明證。
所以，在漢字轉碼時，如果發生錯亂，得到的不一定都是問號噢!不過，錯了終究是錯了，50步和100步並沒有質的差別。
或者會問：如果源字符集中有，而Unicode中沒有，結果會如何?回答是不知道。因為我手頭沒有能做這個測試的源字符集。但有一點是肯定的，那就是源字符集不夠規範。在Java中，如果發生這種情況，是會拋出異常的。
什麼是UTF
UTF，是Unicode Text Format的縮寫，意為Unicode文本格式。對於UTF，是這樣定義的：
(1)如果Unicode的16位字符的頭9位是0，則用一個位元組表示，這個位元組的首位是「0」，剩下的7位與原字符中的後7位相同，如「u0034」(0000 0000 0011 0100)，用「34」 (0011 0100)表示;(與源Unicode字符是相同的);
(2)如果Unicode的16位字符的頭5位是0，則用2個位元組表示，首位元組是「110」開頭，後面的5位與源字符中除去頭5個零後的最高5位相同;第二個位元組以「10」開頭，後面的6位與源字符中的低6位相同。如「u025d」(0000 0010 0101 1101)，轉化後為「c99d」(1100 1001 1001 1101);
(3)如果不符合上述兩個規則，則用三個位元組表示。第一個位元組以「1110」開頭，後四位為源字符的高四位;第二個位元組以「10」開頭，後六位為源字符中間的六位;第三個位元組以「10」開頭，後六位為源字符的低六位;如「u9da7」(1001 1101 1010 0111)，轉化為「e9b6a7」(1110 1001 1011 0110 1010 0111);
可以這麼描述JAVA程序中Unicode與UTF的關係，雖然不絕對：字符串在內存中運行時，表現為Unicode代碼，而當要保存到文件或其它介質中去時，用的是UTF。這個轉化過程是由writeUTF和readUTF來完成的。
收藏