eclipse中的乱码问题

　　

在新建项目或导入工程时常常遇到的问题：

1.导入工程后，Java文件中文乱码

　　项目右键--Properties--Resource（快捷键Alt+Enter），在Text file encoding中默认的编译语言是GBK，选择源项目需要的编译语言，中文乱码一般是utf-8。这种方法修改的是此项目的编译语言。

　　 如果通过菜单中的File--Properties，Resource设置的是eclipse的默认编程语言。

　　还可参考：https://blog.csdn.net/ordinaryprogrammerc/article/details/83013710

2.Java的web项目中jsp文件在运行时中文乱码

　　这一般是因为我们在新建.jsp文件时，默认编写字符集的格式是：ISO-8859-1时，出现的中文乱码。

 　　
　　解决的方式一：编写index.jsp文件时，将其字符集改为UTF-8,并且网页显示的pageEncoding=UTF-8.如下图所示。
 　　

　　解决方式二：

　　先进Window——preferences——General——Workspace——Text file encoding修改为other选项，然后设置自己需要的编码格式。

　　在Eclipse中的Window——preferences——Content Type——Text——JSP会显示Defalut encoding 将其改为自己需要的编码格式即可。
　　解决方式三：
　　修改tomcat/bin/catalina.sh文件，在JAVA_OPTS变量后新增以下参数：-Dfile.encoding=UTF8 -Dsun.jnu.encoding=UTF8，然后重启tomcat即可。

 3.编码格式简析

　　字符编码发展简史：https://blog.csdn.net/dk_0520/article/details/70157426

       概括来讲：

       (1)计算机由美国发明，他们的语言为英文，所以计算机编码也是使用的英文字符，也就是最初的ASCII（美国信息交换标准代码），它为7位，可编码2⁷=128个字符。

       (2)计算机不断发展，人们又填入了横线、竖线等的符号，所以128-255称为“扩展字符集”；

       (3)计算机发展至中国，中国人们为了加入汉字，重新进行编码，保留了ASCII的前127个字符，后采用2Byte继续编码，连在 ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的”全角”字符，而原来在127号以下的那些就叫”半角”字符了。这就是我们所说的GB2312.

       (4)继续扩展之后的编码方案被称为 GBK 标准，GBK 包括了 GB2312 的所有内容，同时又增加了近20000个新的汉字（包括繁体字）和符号。后来少数民族也要用电脑了，于是我们再扩展，又加了几千个新的少数民族的字，GBK 扩成了 GB18030。

       (5)后来，因为当时各个国家都像中国这样搞出一套自己的编码标准，结果互相之间谁也不懂谁的编码，谁也不支持别人的编码。就在这时， ISO （国际标谁化组织）决定着手解决这个问题。他们采用的方法很简单：废了所有的地区性编码方案，重新搞一个包括了地球上所有文化、所有字母和符号的编码！他们打算叫它”Universal Multiple-Octet Coded Character Set”，简称 UCS, 俗称 “UNICODE”。

        (6)UNICODE 来到时，一起到来的还有计算机网络的兴起，UNICODE 如何在网络上传输也是一个必须考虑的问题，于是面向传输的众多 UTF（UCS Transfer Format）标准出现了，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。

 

　　为什么将字符集格式从：ISO8859-1改成UTF-8就不会出现中文乱码呢？

　　因为ISO8859-1属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列。比如，字母a的编码为0x61=97。

　　很明显，iso8859-1编码表示的字符范围很窄，无法表示中文字符。但是，由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。而且在很多协议上，默认使用该编码。比如，虽然”中文”两个字不存在iso8859-1编码，以gb2312编码为例，应该是”d6d0 cec4”两个字符，使用iso8859-1编码的时候则将它拆开为4个字节来表示：”d6 d0 ce c4”（事实上，在进行存储的时候，也是以字节为单位处理的）。而如果是UTF编码，则是6个字节”e4 b8 ad e6 96 87”。很明显，这种表示方法还需要以另一种编码为基础。

　　UTF字符集考虑到unicode编码不兼容iso8859-1编码，而且容易占用更多的空间：因为对于英文字母，unicode也需要两个字节来表示。所以unicode不便于传输和存储。因此而产生了utf编码，utf编码兼容iso8859-1编码，同时也可以用来表示所有语言的字符，不过，utf编码是不定长编码，每一个字符的长度从1-6个字节不等。另外，utf编码自带简单的校验功能。一般来讲，英文字母都是用一个字节表示，而汉字使用三个字节。

注意，虽然说utf是为了使用更少的空间而使用的，但那只是相对于unicode编码来说，如果已经知道是汉字，则使用GB2312/GBK无疑是最节省的。不过另一方面，值得说明的是，虽然utf编码对汉字使用3个字节，但即使对于汉字网页，utf编码也会比unicode编码节省，因为网页中包含了很多的英文字符。