Java编码问题原因以及解决

一、文件编码

　　Unicode 是首选编码。Unicode 是全球范围的字符编码标准。

小结： GBK 与unicode之间的转换是通过gbk unicode映射表。

　　UTF-8 与unicode之间的转换是通过转换规则公式

所以说，unicode是核心中介。Gbk要转换成utf-8的话，先转成unicode。然后unicode再转换成utf-8；反之亦然。

二、XML编码问题

　　★ 编码属性应当被指定为文档被保存时所使用的编码

　　★ encoding声明的编码属性

　　★ W3C定义了三条XML解析器如何正确读取XML文件的编码的规则：

　　　　1.如果文挡有BOM(字节顺序标记，一般来说，如果保存为unicode格式，则包含BOM，ANSI则无)，
　　  就定义了文件编码（另存为文件时，选择的编码格式）。

　　　　2.如果没有BOM，就查看XML encoding声明的编码属性。

　　　　3.如果上述两个都没有，就假定XML文挡采用UTF-8编码

　　★ Eclipse等编辑器会根据XML encoding声明的编码属性来保存文件。

 ★移除无效的XML字符

　　　　/**   * 移除无效的XML字符

　　　　　　* 官方定义了XML的无效字符分为三段：      0x00 - 0x08      0x0b - 0x0c      0x0e - 0x1f

　　　　　　* @param value

　　　　　　* @return   */

　　　　public static String removeInvalidXMLCharacter(String value)     {

　　　　　　 return value.replaceAll("[\\x00-\\x08\\x0b-\\x0c\\x0e-\\x1f]", "");

　　　　}

三、String编码问题

　　★ 对于 String s = "你好哦!";的理解。

　　　　1、如果源码文件是GBK编码, 操作系统（windows）默认的环境编码为GBK，那么编译时, JVM将 按照GBK编码将字节数组解析成字符，然后将字符转换为unicode格式的字节数组，作为内部存储。
　　           如果源码文件是UTF-8编码, 我们需要通知编译器源码的格式，javac -encoding utf-8 ... , 编译时，JVM按照utf-8 解析成字符，然后转换为unicode格式的字节数组，
　　           那么不论源码文件是什么格式，同样的字符串，最后得到的unicode字节数组是完全一致的，显示的时候，也是转成GBK来显示（跟OS环境有关）

　　　　2、System.out.println( new String(s.getBytes(),"UTF-8"));     // 错误，因为getBytes()默认使用GBK编码， 而解析时使用UTF-8编码，肯定出错。

　　★如何正确的将GBK转UTF-8 ? （实际上是unicode转UTF-8) 

注意：并不算new String( s.getBytes("GBK") , "UTF-8); //源码文件是GBK格式，或者这个字符串是从GBK文件中读取出来的, 转换为string 变成unicode格式

　　　　//字符串在内存中是unicode格式

　　　　String gbkStr = "你好哦!"; //利用getBytes将unicode字符串转成UTF-8格式的字节数组

　　　　byte[] utf8Bytes = gbkStr.getBytes("UTF-8"); //然后用utf-8 对这个字节数组解码成新的字符串

　　　　String utf8Str = new String(utf8Bytes, "UTF-8");

　　　　即：new String( s.getBytes("utf-8") , "utf-8");　　

　　★new String(s.getBytes("iso-8859-1") ,"GBK")

　　　　一般用来转换原来是GBK编码的，被转换成了iso-8859-1，现在恢复回GBK。
　　　　注意：并不是所有转换都是可逆的，iso-8859-1的字节数组是单字节的，所以能转换。

　   ★读写时，可以指定编码

四、JAVA编码问题

　　★文件加载
　　　　java文件编码格式：默认与操作系统一致，但可修改。
　　　　编译成Class文件：class文件的编码固定为UTF-8
　　　　load class文件到JVM ：Unicode
　　　　内存：Unicode
　　　　理解：不管文件的编码格式是什么，加载到JVM都是一样的。

　　★网络传输都是以字节为单位，所以所有的数据都必须能够被序列化为字节。在 Java 中数据被序列化必须继承 Serializable 接口。

　　★从网络中读取资源文件的时候，无论当前java文件编码为何值，得到的一个个字节只与读取的资源文件保存的编码有关。

　　★对于读取网络资源乱码问题，如果能够知道资源的编码格式，只需要在转成字符串的过程中使用这种编码就行。

　　所以，关键问题落在了判断资源文件编码方式是那种。

五、encodeURI与encodeURIComponent

　　★对于不同浏览器编码有些不同，所以需要编码。两者都是使用UTF-8编码规则来编的

　　★区别，encodeURI用于整个URL ，对于url里面的预留符号等不进行编码；encodeURIComponent用于参数段，编码更彻底：url里面的预留符号等会编码。

　　★两次编码的问题。

　　　　（1）如果服务器的编码是UTF-8，那么下面是不会出现乱码的。否则，出现乱码。
　　　　　　前端：var url1=encodeURI(url);
　　　　　　后台：String name=request.getParameter("name");

　　　　（2）不管服务器编码，都不会出现乱码
　　　　　　前端：url1=encodeURI(url);把url中的中文编为ASCII码。
　　　　　　　　　url2=encodeURI(url1);对ASCII码进行编码

　　　　　　后台：//这里tomcat自动解码。tomcat的配置文件没设置，那么默认是ISO-8859-1
　　　　　　　　String name1=request.getParameter("name");
　　　　　　　　String name2 = java.net.URLDecoder.decode(name1,"UTF-8");

　　　　　不管是按 GBK 还是 UTF-8 还是 ISO-8859-1 都好，都能够正确的得到url1。因为ASCII码的编码用GBK、UTF-8、ISO-8859-1编码的结果是相同的。

　　★对于POST提交数据，浏览器会根据网页的ContentType("text/html; charset=GBK") 中指定的编码进行对表单中的数据进行编码。

　　　　服务端：request.setCharacterEncoding()设置编码，然后通过request.getParameter获得正确的数

六、JAVA中的乱码

★浏览器用utf-8解析：

　　　　(手动)==> 在浏览器中右键选择编码格式为utf-8
　　　　(智能)==> 在文件中写入如： <meta name="content-type" content="text/html; charset=UTF-8">
　　　　通过<meta>标签模拟response头，起到告诉浏览器用utf-8的编码解析
　　　　(智能)==> response.setContentType("text/html;charset=utf-8");
　　　　或 response.setHeader("content-type","text/html;charset=UTF-8");
　　　　或 response.getOutputStream().write("<meta http-equiv='content-type' content='text/html;charset=utf-8'>".getBytes());

　　　　目的是为了控制浏览器的行为，即控制浏览器用UTF-8进行解码

　　　　常用：
　　　　　　<meta name="content-type" content="text/html; charset=UTF-8">或<meta charset="utf-8">
　　　　　　<%@ pageEncoding="utf-8"%>
　　　　　　<?xml encoding="UTF-8"?>
★response.setCharacterEncoding("UTF-8"); 设置的是response存储数据的码表。 目的是用于response.getWriter()输出的字符流的编码。

如果是response.getOutputStream()是不需要此种解决方案的，因为这句话的意思是为了将response对象中的数据以UTF-8解码后的字节流发向浏览器

★response.setContentType("text/html;charset=utf-8");内部也调用了setCharacterEncoding方法，相当于setCharacterEncoding("UTF-8");和setHeader("content-type","text/html;charset=UTF-8");
★response.setCharacterEncoding可以覆盖之前的response.setContentType

★ 1.IE和WEB服务器默认通过ISO-8859-1进行编码，可以使用setCharacterEncoding是设置字符的编码
　 2.URL默认只支持ISO-8859-1

★ Get请求：参数QueryString内容默认编码方式问ISO8859-1，而且使用request.setCharacterEncoding("utf-8")也无法解决问题。

　　　　1.修改tomcat服务器的配置文件<Connector>节点 URIEncoding="utf-8"
　　　　2.如果没有设置URIEncoding，那么使用new String(username.getBytes("ISO-8859-1"),"UTF-8");

　　　　3. useBodyEncodingForURI=”true”：使用Header中ContentType中定义的Charset

　　　　4.url、cookie、ajax get请求，一般用URLEncoder

★ Post请求 request.setCharacterEncoding("UTF-8"); 只对Post请求有效