| String.getBytes()的问题 String的getBytes()方法是得到一个字串的字节数组，这是众所周知的。但特别要注意的是，本方法将返回该操作系统默认的编码格式的字节数组。如果你在使用这个方法时不考虑到这一点，你会发现在一个平台上运行良好的系统，放到另外一台机器后会产生意想不到的问题。比如下面的程序: class TestCharset { public static void main(String[] args) { new TestCharset().execute(); } private void execute() { String s = "Hello!你好！"; byte[] bytes = s.getBytes(); System.out.println("bytes lenght is:" + bytes.length); } } |
在一个中文WindowsXP系统下，运行时，结果为： 但是如果放到了一个英文的UNIX环境下运行： $ java TestCharset bytes lenght is:9 |
如果你的程序依赖于该结果，将在后续操作中引起问题。为什么在一个系统中结果为12，而在另外一个却变成了9了呢？上面已经提到了，该方法是和平台（编码）相关的。 在中文操作系统中，getBytes方法返回的是一个GBK或者GB2312的中文编码的字节数组，其中中文字符，各占两个字节。而在英文平台中，一般的默认编码是“ISO-8859-1”，每个字符都只取一个字节（而不管是否非拉丁字符）。 Java中的编码支持 Java是支持多国编码的，在Java中，字符都是以Unicode进行存储的，比如，“你”字的Unicode编码是“4f60”，我们可以通过下面的实验代码来验证： class TestCharset { public static void main(String[] args) { char c = '你'; int i = c; System.out.println(c); System.out.println(i); } } |
不管你在任何平台上执行，都会有相同的输出： 20320就是Unicode “4f60”的整数值。其实，你可以反编译上面的类，可以发现在生成的.class文件中字符“你”（或者其它任何中文字串）本身就是以Unicode编码进行存储的： char c = '/u4F60'; ... ... |
即使你知道了编码的编码格式，比如： javac -encoding GBK TestCharset.java |
编译后生成的.class文件中仍然是以Unicode格式存储中文字符或字符串的。使用String.getBytes(String charset)方法 所以，为了避免这种问题，我建议大家都在编码中使用String.getBytes(String charset)方法。下面我们将从字串分别提取ISO-8859-1和GBK两种编码格式的字节数组，看看会有什么结果： package org.bruce.file.handle.experiment;
class TestCharset3 {
public static void main(String[] args) {
new TestCharset3().execute();
}
private void execute() {
String s = "Hello!你好！";
byte[] bytesISO8859 = null;
byte[] bytesGBK = null;
try {
bytesISO8859 = s.getBytes("iso-8859-1");
bytesGBK = s.getBytes("GBK");
} catch (java.io.UnsupportedEncodingException e) {
e.printStackTrace();
}
System.out.println("-------------- /n 8859 bytes:");
System.out.println("bytes is: " + arrayToString(bytesISO8859));
System.out.println("hex format is:" + encodeHex(bytesISO8859));
System.out.println();
System.out.println("-------------- /n GBK bytes:");
System.out.println("bytes is: " + arrayToString(bytesGBK));
System.out.println("hex format is:" + encodeHex(bytesGBK));
}
public static final String encodeHex(byte[] bytes) {
StringBuffer buff = new StringBuffer(bytes.length * 2);
String b;
for (int i = 0; i < bytes.length; i++) {
b = Integer.toHexString(bytes[i]);
// byte是两个字节的， 而上面的Integer.toHexString会把字节扩展为4个字节
buff.append(b.length() > 2 ? b.substring(6, 8) : b);
buff.append(" ");
}
return buff.toString();
}
public static final String arrayToString(byte[] bytes) {
StringBuffer buff = new StringBuffer();
for (int i = 0; i < bytes.length; i++) {
buff.append(bytes[i] + " ");
}
return buff.toString();
}
}
执行上面程序将打印出： -------------- 8859 bytes: bytes is: 72 101 108 108 111 33 63 63 63 hex format is:48 65 6c 6c 6f 21 3f 3f 3f -------------- GBK bytes: bytes is: 72 101 108 108 111 33 -60 -29 -70 -61 -93 -95 hex format is:48 65 6c 6c 6f 21 c4 e3 ba c3 a3 a1 |
可见，在s中提取的8859-1格式的字节数组长度为9，中文字符都变成了“63”，ASCII码为63的是“?”，一些国外的程序在国内中文环境下运行时，经常出现乱码，上面布满了“?”，就是因为编码没有进行正确处理的结果。 而提取的GBK编码的字节数组中正确得到了中文字符的GBK编码。字符“你”“好”“！”的GBK编码分别是：“c4e3”“bac3”“a3a1”。得到了正确的以GBK编码的字节数组，以后需要还原为中文字串时，可以使用下面方法： | new String(byte[] bytes, String charset) |
mysql 不支持 unicode，所以比较麻烦。
将 connectionString 设置成 encoding 为 gb2312
String connectionString
= “jdbc:mysql://localhost/test?useUnicode=true&characterEncoding=gb2312”;
测试代码：
String str = “汉字”;
PreparedStatement pStmt = conn.prepareStatement(“INSERT INTO test VALUES (?)”);
pStmt.setString(1,str);
pStmt.executeUpdate();
数据库表格：
create table test (
name char(10)
)
连接 Oracle Database Server
——————————————————————————-
在把汉字字符串插入数据库前做如下转换操作：
String(str.getBytes(“ISO8859_1″),”gb2312”)
测试代码：
String str = “汉字”;
PreparedStatement pStmt = conn.prepareStatement(“INSERT INTO test VALUES (?)”);
pStmt.setString(1,new String(str.getBytes(“ISO8859_1″),”gb2312”);
pStmt.executeUpdate();
Servlet
——————————————————————————-
在 Servlet 开头加上两句话：
response.setContentType(“text/html;charset=UTF-8”);
request.setCharacterEncoding(“UTF-8”);
JSP
——————————————————————————- | 