为什么要编码？
计算机存储信息的最小单位是1byte，即8bit，所能表示的字符个数为255个，但是人类要表示的符号太多，远远不止255个，西欧字符、中文等等符号。
解决这个问题，就必须要有一个新的数据结构，在java中就是char，从char到byte必须编码（可以理解为翻译）
常见编码格式（字典）
- ASCⅡ
由于计算机最早是由美国发明的，根据他们的语言习惯，用1个字节可以表示128个字符，可以通过键盘输入并且能够显示出来 - ISO-8859-1
应用最广泛的编码格式，占用2个字节可以表示256个字符，涵盖大部分的西欧语言字符。 - 中文编码
- GB2312
包含682个字符和6763个汉字 - GBK
总共有23940个码位，能表示21003个汉字，兼容GB2312 - GB18030
国家标准，兼容GB2312，但是应用不广泛
- GB2312
- Unicode
统一编码，是计算机科学领域里的一项业界标准，包括字符集、编码方案。 - UTF-16
用两个字节，将Unicode字符转换为字节存储。Java以UTF-16作为内存的字符存储格式 - UTF-8
变长，1-6个字节
Java中的编码场景
磁盘I/O 和 网络I/O
磁盘I/O
- 字符转字节：OutputStreamWriter作为桥梁，传入字符集charset，委托StreamDecoder去做具体的字符转字节的工作
- 字节转字符：InputStreamReader 作为桥梁，传入字符集charset，委托StreamDecoder去做具体的字节转字符的工作
//字符转字节
@Test
public void charToByteByDiskIo() {
String path = CodeProgram.class.getResource("").getPath();
File file = new File(path, "字符转字节流，通过字符写入磁盘文件.txt");
FileOutputStream fos = null;
OutputStreamWriter osw = null;
try {
fos = new FileOutputStream(file);
osw = new OutputStreamWriter(fos, "utf-8");
osw.write("我爱中国，我爱香港！");
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} finally {
try {
if(null != osw) {
osw.close();
}
if(null != fos) {
fos.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
//字节转字符：打印当前java类的内容到控制台（如果eclipse中的workspace文件编码未改为utf-8或者测试方法所属的java类的文件编码没有改为utf-8，则会乱码）
@Test
public void byteToCharByDiskIo() {
File directory = new File("./src");
File file = new File(directory, "CodeProgram.java");
FileInputStream fis = null;
InputStreamReader isr = null;
try {
fis = new FileInputStream(file);
isr = new InputStreamReader(fis, "utf-8");
StringBuffer sb = new StringBuffer();
char[] cbuf = new char[1024];
int length = 0;
while((length = isr.read(cbuf)) != -1) {
sb.append(cbuf, 0, length);
}
System.out.println(sb.toString());
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} finally {
try {
if(null != isr) {
isr.close();
}
if(null != fis) {
fis.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
网络I/O
- URL的编解码
- HTTP Header的编解码
- POST表单的编解码
- HTTP Body的编解码
- 外部引入JS文件
- JS的URL编码及服务端解码
- 其他需要编码的地方
以Tomcat服务器为例讲解
- URL的编解码
Get请求，URL的pathinfo（路径）和Query String（参数）的编码字符集不同，浏览器将URL中非ASCⅡ码字符按某种字符集转换为16进制到字符加上%。
tomcat设置URI解码字符集为UTF-8:<Connector URIEncoding="UTF-8" />
tomcat设置Query String解码字符集为UTF-8:<Connector URIEncoding="UTF-8" useBodyEncodingForURI="true" /> - HTTP Header的编解码
默认为ISO-8859-1，且不提供编码设置到方法，只能用URLEncoder编码，服务端request.getHeader时，再相应到用URLEncoder解码
- POST表单的编解码
手动指定编码格式， request.setCharacterEncoding(charset)，post表单提交到数据就是以指定到编码格式编码，再调用request.getParameter()，会自动用设定到编码去解码。
一定要在调用request.getParameter()方法前调用request.setCharacterEncoding(charset)，否则tomcat在解析前会检测HTTP Header中到contentType，一般请求时，这个值是null，根据tomcat源码，为空时，按默认到到字符集ISO-8859-1来编码，导致乱码 - HTTP Body的编解码
请求资源成功获取后，这些内容将通过response返回给客户端浏览器。通过response.setCharacterEncoding(charset)设置编解码字符集，通过response Header的contentType返回给客户端，浏览器根据contentType解码，如果不存在，则根据html <meta/>中到charset来解码，如果都不存在，则用默认到ISO-8859-1解码
- 外部引入JS文件
如果在一个单独到js脚本中包含中文输出，需指定字符集<script src="" charset="gbk" />
如果被一个页面引入到js脚本，则与外部页面到编码方式一致，若js文件本身到编码格式与外部页面编码格式不一致，则会乱码 - JS的URL编码及服务端解码
- encodeURI()
- encodeURIComponent()
除了特殊字符加英文字母不编码加%外，其余到都编码；后者到特殊字符范围缩小，特别是&符号不包含在内，&符号也要编码。所以后者常用来对一个URL传递一个参数值为URL的URL进行编码。后台对应到解码JAVA类为URLDecoder。前端JS两次编码，后端request.getParameter()自动解一次码，URLDecoder.decoder手动解一次码。两次编解码避免了前后端第一次编解码不一致的问题。
- 其他需要编码的地方
- 数据库连接JDBC URL传递characterEncoding=gbk，与数据库内置编码格式要一直
- XML
- JSP
网友评论