一、概要
　　在java应用程序特别是基于web的程序中，经常遇到字符的编码问题。为了防止出现乱码，首先需要了解java是如何处理字符的，这样就可以有目的地在输入/输出环节中增加必要的转码。其次，由于各种服务器有不同的处理方式，还需要多做试验，确保使用中不出现乱码。
二、基本概念
2．1 java中字符的表达
　　java中有char、byte、string这几个概念。char 指的是一个unicode字符，为16位的整数。byte 是字节，字符串在网络传输或存储前需要转换为byte数组。在从网络接收或从存储设备读取后需要将byte数组转换成string。string是字符串，可以看成是由char组成的数组。string 和 char 为内存形式，byte是网络传输或存储的序列化形式。
举例：
英
string ying = “英”;
char ying = ying.charat(0);
string yinghex = integer.tohexstring(ying);
82 f1
byte yinggbbytes = ying.getbytes(“gbk”);
gb编码的字节数值
d3 a2

 

2．2 编码方式的简介
　　string序列化成byte数组或反序列化时需要选择正确的编码方式。如果编码方式不正确，就会得到一些0x3f的值。常用的字符编码方式有iso8859_1、gb2312、gbk、utf-8/utf-16/utf-32。
iso8859_1用来编码拉丁文，它由单字节（0－255）组成。
　　gb2312、gbk用来编码简体中文，它有单字节和双字节混合组成。最高位为1的字节和下一个字节构成一个汉字，最高位为0的字节是ascii码。
　　utf-8/utf-16/utf-32是国际标准unicode的编码方式。 用得最多的是utf-8，主要是因为它在对拉丁文编码时节约空间。

unicode值 utf-8编码
u-00000000 - u-0000007f: 0xxxxxxx
u-00000080 - u-000007ff: 110xxxxx 10xxxxxx
u-00000800 - u-0000ffff: 1110xxxx 10xxxxxx 10xxxxxx
u-00010000 - u-001fffff: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
u-00200000 - u-03ffffff: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
u-04000000 - u-7fffffff: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

三、j2se中相关的函数
string str =”英”;
//取得gb2312编码的字节
byte[] bytesgb2312 = str.getbytes(“gb2312”);

//取得平台缺省编码的字节(solaris为iso8859_1,windows为gb2312)
byte[] bytesdefault = str.getbytes();

//用指定的编码将字节转换成字符串
string newstrgb = new string(bytesgb2312, “gb2312”);

//用平台缺省的编码将字节转换成字符串(solaris为iso8859_1,windows为gb2312)
string newstrdefault = new string(bytesdefault);

//用指定的编码从字节流里面读取字符
inputstream in = xxx;
inputstreamreader reader = inputstreamreader( in, “gb2312”);
char achar = reader.read();
四、jsp、数据库的编码
4．1 jsp中的编码
(1) 静态声明:
charset有两个作用：
jsp文件的编码方式：在读取jsp文件、生成java类时，源jsp文件中汉字的编码
jsp输出流的编码方式：在执行jsp时，往response流里面写入数据的编码方式
(2) 动态改变:在往response流里面写数据前可以调用response.setcontenttype()，设定正确的编码类型。
(3) 在tomcat中，由request.getparameter() 得到的参数，编码方式都是iso8859_1。所以如果在浏览器输入框内输入一个汉字“英”，在服务器端就得到一个iso8859_1编码的（0x00,0xd3,0x00,0xa2）。所以通常在接收参数时转码：
string wrongstr = response.getparameter(“name”);
string correctstr = new string(wrongstr.getbytes(“iso8859_1”),”gb2312”);
在最新的servlet规范里面，也可以在获取参数之前执行如下代码：
request.setcharacterencoding(“gb2312”);

4．2 数据库的编码
(1) 数据库使用utf-16
如果string中是unicode字符，写入读出时不需要转码
(2) 数据库使用iso8859_1
如果string中是unicode字符，写入读出时需要转码
写入：string newstr = new string(oldstr.getbyte(“gb2312”), “iso8859_1”);
读出：string newstr = new string(oldstr.getbyte(“iso8859_1”),”gb2312”);
五、源文件的编码
5．1 资源文件
资源文件的编码方式和编辑平台相关。在windows平台下编写的资源文件，以gb2312方式编码。在编译时需要转码，以确保在各个平台上的正确性：
native2ascii ?cencoding gb2312 source.properties
这样从资源文件中读出的就是正确的unicode字符串。
5．2 源文件
源文件的编码方式和编辑平台相关。在windows平台下开发的源文件，以gb2312方式编码。在编译的时候，需要指定源文件的编码方式：
javac ?cencoding gb2312
java编译后生成的字节文件的编码为utf-8。

①最新版tomcat4.1.18支持request.setcharacterencoding(string enc)
②资源文件转码成company.name=/u82f1/u65af/u514b
③如果数据库使用utf-16则不需要这部分转码
④页面上应有
转码??:
string s = new string
(request.getparameter(“name”).getbytes(“iso8859_1”),”gb2312”);
转码??:
string s = new string(name.getbytes(“gb2312”),”iso8859_1”);
转码??:
string s = new string(name.getbytes(“iso8859_1”),” gb2312”);