分享
 
 
 

关于JAVA的中文问题

王朝java/jsp·作者佚名  2008-05-19
窄屏简体版  字體: |||超大  

一、主题:关于JAVA的中文问题

JAVA的中文问题比较突出,主要表现在控制面板输出,JSP页面输出和数据库访问上。本文尽量避开字体问题,而只谈编码。通过本文,你可以了解JAVA中文问题的由来,问题的解决方法,其中提了一下用JDBC访问数据库的方法。

二、问题描述:

1)在中文W2000中文窗口编译和运行,用的是国际版的JDK,连接的是中文W2000下的Cp936编码的SQL SERVER数据库:

J:\exercise\demo\encode\HelloWorldmake

Created by XCompiler. PhiloSoft All Rights Reserved.

Wed May 30 02:54:45 CST 2001

J:\exercise\demo\encode\HelloWorldrun

Created by XRunner. PhiloSoft All Rights Reserved.

Wed May 30 02:51:33 CST 2001

中文

[B@7bc8b569

[B@7b08b569

[B@7860b569

中文

中文

????

中文

中文

????

??

??

??

2)如果在中文W2000的西文窗口(编码为437)下编译,用JAVA运行则由于无字体而无法正常显示,如果象上面一样在中文W2000的中文窗口运行,输出为:

J:\exercise\demo\encode\HelloWorldrun

Created by XRunner. PhiloSoft All Rights Reserved.

Wed May 30 02:51:33 CST 2001

????

[B@7bc0b66a

[B@7b04b66a

[B@7818b66a

????

????

????

????

????

????

中文

中文

????

三)分析

1)出现有乱码(也就是?)。由于只出现?而没出现小方框,说明只是编码有问题,而不是字体问题。 在编码中,如果从一种字符集转换到别一种字符集,比较典型的是从GB2312转换到ISO8859_1(即ASCII),那么很多汉字(半个汉字)是无法映射到西文字符中去的,在这种情形下,系统就把这些字符用?代替。同样,也存在小字符集无法到大字符集的情况,具体原因这里就不详谈了。

2)出现了中文环境编译,中文环境运行时汉字显示有正确也有不正确的地方,同样,在西文环境下编译,在中文环境下运行时也出现类似情况。这是由于自动(默认)或手工(也就new String(bytes[,encode])和bytes getBytes([encode]))转码的结果。

2.1)在JAVA源文件--JAVAC--Class--Java--getBytes()--new String()--显示的过程中,每一步都有编码的转换过程,这个过程总是存在的,只是有的时候用默认的参数进行。下面我们一步一步分析为什么出现上面的情形。

2.2)这里是源代码:

HelloWorld.java:

------------------------

public class HelloWorld

{

public static void main(String[] argv){

try{

System.out.println("中文");//1

System.out.println("中文".getBytes());//2

System.out.println("中文".getBytes("GB2312"));//3

System.out.println("中文".getBytes("ISO8859_1"));//4

System.out.println(new String("中文".getBytes()));//5

System.out.println(new String("中文".getBytes(),"GB2312"));//6

System.out.println(new String("中文".getBytes(),"ISO8859_1"));//7

System.out.println(new String("中文".getBytes("GB2312")));//8

System.out.println(new String("中文".getBytes("GB2312"),"GB2312"));//9

System.out.println(new

String("中文".getBytes("GB2312"),"ISO8859_1"));//10

System.out.println(new String("中文".getBytes("ISO8859_1")));//11

System.out.println(new

String("中文".getBytes("ISO8859_1"),"GB2312"));//12

System.out.println(new

String("中文".getBytes("ISO8859_1"),"ISO8859_1"));//13

}

catch(Exception e){

e.printStackTrace();

}

}

}

为了方便起见,在每个转换的后面加了操作序号,分别为1,2,...,13。

2.3)需要说明的是,JAVAC是以系统默认编码读入源文件,然后按UNICODE进行编码的。在JAVA运行的时候,JAVA也是采用UNICODE编码的,并且默认输入和输出的都是操作系统的默认编码,也就是说在new String(bytes[,encode])中,系统认为输入的是编码为encode的字节流,换句话说,如果按encode来翻译bytes才能得到正确的结果,这个结果最后要在JAVA中保存,它还是要从这个encode转换成Unicode,也就是说有bytes--encode字符--Unicode字符的转换;而在String.getBytes([encode])中,系统要做一个Unicode字符--encode字符--bytes的转换。

在这个例子中,除那个英文窗口编码的时候除外,其实情形下默认编码都是GBK(在本例中,我们暂且把GBK和GB2312等同看待)。

2.4)由于在未指明在上面的两个用代码实现的转换中,如果未指定encode,系统将采用默认的编码(这里为GBK),我们认为上面的5,6,7和8,9,10是一样的,8和9、11和12也是一样的,所以我们在讨论中将只讨论1,9,10,12,13。其中的2,3,4只是用于测试,不在我们的讨论范围之内。

2.5)下面我们来跟踪程序中的“中”字的转换历程,我们先说在中文窗口下作的编译和运行过程,注意在下面的字母下标中,我有意识地使用了一些数字,以表示相同,相异还是相关2.5.1)我们先以上面的13个代码段中的的代码9为例:

步骤 内容 地点 说明

01: C1 HelloWorld.java C1泛指一个GBK字符

02: U1 JAVAC读取 U1泛指一个Unicode字符

03: C1 getBytes()第一步 JAVA先和操作系统交流

04: B1,B2 getBytes()第二步 然后返回字节数组

05: C1 new String()第一步 JAVA先和操作系统交流

06: U1 new String()第二步 然后返回字符

07: C1 println(String) 能显示“中”字,内容和原来的相同

2.5.2)然后再以代码段10为例,我们注意到只是:

步骤 内容 地点 说明

01: C1 HelloWorld.java C1泛指一个GBK字符

02: U1 JAVAC读取 U1泛指一个Unicode字符

03: C1 getBytes()第一步 JAVA先和操作系统交流

04: B1,B2 getBytes()第二步 然后返回字节数组

05: C3,C4 new String()第一步 JAVA先和操作系统交流,这时解析错误

06: U5,U6 new String()第二步 然后返回字符

07: C3,C4 println(String) 由于中字给分成了两半,在ISO8859_1中刚好也没有字符

能映射上,所以显示为“??”。在上面的示例中,

“中文”两个字就显示为“????”

2.5.3)在完全中文模式下的其它情形类似,我就不多说了

2.6)我们接着看为什么在西文DOS窗口下编译出来的类在中文窗口下也出现类似情形,特别是为什么居然有的情形下还能正确显示汉字。

2.6.1)我们还是先以代码段9为例:

步骤 内容 地点 说明

01: C1C2 HelloWorld.java C1C2分别泛指一个ISO8859_1字符,“中”字被拆开

02: U3U4 JAVAC读取 U1U2泛指一个Unicode字符

03: C5C6 getBytes()第一步 JAVA先和操作系统交流,这时解析错误

04: B5B6B7B8 getBytes()第二步 然后返回字节数组

05: C5C6 new String()第一步 JAVA先和操作系统交流

06: U3U4 new String()第二步 然后返回字符

07: C5C6 println(String) 虽然同是两个字符,但已不是最初的“两个ISO8859_1字

符”,而是“两个BGK字符”,“中”显示成了“??”

而“中文”就显示成了“????”

2.6.2)下面我们以代码段12为例,因为它能正确显示汉字

步骤 内容 地点 说明

01: C1C2 HelloWorld.java C1C2分别泛指一个ISO8859_1字符,“中”字被拆开

02: U3U4 JAVAC读取 U1U2泛指一个Unicode字符

03: C1C2 getBytes()第一步 JAVA先和操作系统交流(注意还是正确的哦!)

04: B5B6 getBytes()第二步 然后返回字节数组(这是很关键的一步!)

05: C12 new String()第一步 JAVA先和操作系统交流(这是更关键的一步,JAVA已经知道B5B6要解析成一个汉字!)

06: U7 new String()第二步 然后返回字符(真是一个项两!U7包含了U3U4的信息)

07: C12 println(String) 这就原来的“中”字,很委屈被JAVAC冤枉了一回,不过被程序员拨乱反正了一下!当然,“中文”两个字都能正确显示了!

3)那为什么有的时候用JDBC的

new String(Recordset.getBytes(int)[,encode])

Recordset.getSting(int)

Recordset.setBytes(String.getBytes([encode]))

Recordset.setString(String)

的时候会出现乱码了呢?

其实问题就出现在编写JDBC的的也考虑了编码问题,它从数据库读取数据后,可能自作主张做了一个从GB2312(默认编码)到Unicode的转换,我的这个WebLogic For SQL Server的JDBC Driver就是这样的,当我读字串的时候,发出读到的不是正确的汉字,可恨的是我却可以直接写汉字字串,这让人多少有点难以接受!

也就是说,我们不得不在读或写的时候进行转码,尽管这个转码有的时候不是那么明显,这是因为我们使用了默认的编码进行转码。JDBC Driver

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有