一、主題:關(guān)于JAVA的中文問(wèn)題?
??? JAVA的中文問(wèn)題比較突出,主要表現(xiàn)在控制面板輸出,JSP頁(yè)面輸出和數(shù)據(jù)庫(kù)訪問(wèn)上。本文盡量避開(kāi)字體問(wèn)題,而只談編碼。通過(guò)本文,你可以了解JAVA中文問(wèn)題的由來(lái),問(wèn)題的解決方法,其中提了一下用JDBC訪問(wèn)數(shù)據(jù)庫(kù)的方法。?
二、問(wèn)題描述:?
1)在中文W2000中文窗口編譯和運(yùn)行,用的是國(guó)際版的JDK,連接的是中文W2000下的Cp936編碼的SQL SERVER數(shù)據(jù)庫(kù):?
J:exercisedemoencodeHelloWorld>make?
?? Created by XCompiler. PhiloSoft All Rights Reserved.?
?? Wed May 30 02:54:45 CST 2001?
J:exercisedemoencodeHelloWorld>run?
?? Created by XRunner. PhiloSoft All Rights Reserved.?
?? Wed May 30 02:51:33 CST 2001?
中文?
[B@7bc8b569?
[B@7b08b569?
[B@7860b569?
中文?
中文?
?????
中文?
中文?
?????
???
???
???
2)如果在中文W2000的西文窗口(編碼為437)下編譯,用JAVA運(yùn)行則由于無(wú)字體而無(wú)法正常顯示,如果象上面一樣在中文W2000的中文窗口運(yùn)行,輸出為:?
J:exercisedemoencodeHelloWorld>run?
?? Created by XRunner. PhiloSoft All Rights Reserved.?
?? Wed May 30 02:51:33 CST 2001?
?????
[B@7bc0b66a?
[B@7b04b66a?
[B@7818b66a?
?????
?????
?????
?????
?????
?????
中文?
中文?
?????
三)分析?
1)出現(xiàn)有亂碼(也就是?)。由于只出現(xiàn)?而沒(méi)出現(xiàn)小方框,說(shuō)明只是編碼有問(wèn)題,而不是字體問(wèn)題。 在編碼中,如果從一種字符集轉(zhuǎn)換到別一種字符集,比較典型的是從GB2312轉(zhuǎn)換到ISO8859_1(即ASCII),那么很多漢字(半個(gè)漢字)是無(wú)法映射到西文字符中去的,在這種情形下,系統(tǒng)就把這些字符用?代替。同樣,也存在小字符集無(wú)法到大字符集的情況,具體原因這里就不詳談了。?
2)出現(xiàn)了中文環(huán)境編譯,中文環(huán)境運(yùn)行時(shí)漢字顯示有正確也有不正確的地方,同樣,在西文環(huán)境下編譯,在中文環(huán)境下運(yùn)行時(shí)也出現(xiàn)類似情況。這是由于自動(dòng)(默認(rèn))或手工(也就new String(bytes[,encode])和bytes getBytes([encode]))轉(zhuǎn)碼的結(jié)果。?
2.1)在JAVA源文件-->JAVAC-->Class-->Java-->getBytes()-->new String()-->顯示的過(guò)程中,每一步都有編碼的轉(zhuǎn)換過(guò)程,這個(gè)過(guò)程總是存在的,只是有的時(shí)候用默認(rèn)的參數(shù)進(jìn)行。下面我們一步一步分析為什么出現(xiàn)上面的情形。?
2.2)這里是源代碼:?
HelloWorld.java:?
------------------------?
public class HelloWorld?
{?
??? public static void main(String[] argv)
??? {?
??????? try
??????? {?
??????????? System.out.println("1:"+"中文");
??????????? System.out.println("2:"+"中文".getBytes());
??????????? System.out.println("3:"+"中文".getBytes("GB2312"));?
??????????? System.out.println("4:"+"中文".getBytes("ISO8859_1"));
??????????? System.out.println("5:"+new String("中文".getBytes()));//5?
??????????? System.out.println("6:"+new String("中文".getBytes(),"GB2312"));?
??????????? System.out.println("7:"+new String("中文".getBytes(),"ISO8859_1"));
??????????? System.out.println("8:"+new String("中文".getBytes("GB2312")));//8?
??????????? System.out.println("9:"+new String("中文".getBytes("GB2312"),"GB2312"));
??????????? System.out.println("10:"+new String("中文".getBytes("GB2312"),"ISO8859_1"));
??????????? System.out.println("11:"+new String("中文".getBytes("ISO8859_1")));//11?
??????????? System.out.println("12:"+new String("中文".getBytes("ISO8859_1"),"GB2312"));
??????????? System.out.println("13:"+new String("中文".getBytes("ISO8859_1"),"ISO8859_1"));
??????? }?
??????? catch(Exception e)
??????? {?
??????????? e.printStackTrace();?
??????? }?
? }?
}?
為了方便起見(jiàn),在每個(gè)轉(zhuǎn)換的后面加了操作序號(hào),分別為1,2,...,13。?
2.3)需要說(shuō)明的是,JAVAC是以系統(tǒng)默認(rèn)編碼讀入源文件,然后按UNICODE進(jìn)行編碼的。在JAVA運(yùn)行的時(shí)候,JAVA也是采用UNICODE編碼的,并且默認(rèn)輸入和輸出的都是操作系統(tǒng)的默認(rèn)編碼,也就是說(shuō)在new String(bytes[,encode])中,系統(tǒng)認(rèn)為輸入的是編碼為encode的字節(jié)流,換句話說(shuō),如果按encode來(lái)翻譯bytes才能得到正確的結(jié)果,這個(gè)結(jié)果最后要在JAVA中保存,它還是要從這個(gè)encode轉(zhuǎn)換成Unicode,也就是說(shuō)有bytes-->encode字符-->Unicode字符的轉(zhuǎn)換;而在String.getBytes([encode])中,系統(tǒng)要做一個(gè)Unicode字符-->encode字符-->bytes的轉(zhuǎn)換。?
在這個(gè)例子中,除那個(gè)英文窗口編碼的時(shí)候除外,其實(shí)情形下默認(rèn)編碼都是GBK(在本例中,我們暫且把GBK和GB2312等同看待)。?
2.4)由于在未指明在上面的兩個(gè)用代碼實(shí)現(xiàn)的轉(zhuǎn)換中,如果未指定encode,系統(tǒng)將采用默認(rèn)的編碼(這里為GBK),我們認(rèn)為上面的5,6,7和8,9,10是一樣的,8和9、11和12也是一樣的,所以我們?cè)谟懻撝袑⒅挥懻?,9,10,12,13。其中的2,3,4只是用于測(cè)試,不在我們的討論范圍之內(nèi)。?
2.5)下面我們來(lái)跟蹤程序中的“中”字的轉(zhuǎn)換歷程,我們先說(shuō)在中文窗口下作的編譯和運(yùn)行過(guò)程,注意在下面的字母下標(biāo)中,我有意識(shí)地使用了一些數(shù)字,以表示相同,相異還是相關(guān)2.5.1)我們先以上面的13個(gè)代碼段中的的代碼9為例:?
步驟 內(nèi)容 地點(diǎn) 說(shuō)明?
01: C1 HelloWorld.java C1泛指一個(gè)GBK字符?
02: U1 JAVAC讀取 U1泛指一個(gè)Unicode字符?
03: C1 getBytes()第一步 JAVA先和操作系統(tǒng)交流?
04: B1,B2 getBytes()第二步 然后返回字節(jié)數(shù)組?
05: C1 new String()第一步 JAVA先和操作系統(tǒng)交流?
06: U1 new String()第二步 然后返回字符?
07: C1 println(String) 能顯示“中”字,內(nèi)容和原來(lái)的相同?
2.5.2)然后再以代碼段10為例,我們注意到只是:?
步驟 內(nèi)容 地點(diǎn) 說(shuō)明?
01: C1 HelloWorld.java C1泛指一個(gè)GBK字符?
02: U1 JAVAC讀取 U1泛指一個(gè)Unicode字符?
03: C1 getBytes()第一步 JAVA先和操作系統(tǒng)交流?
04: B1,B2 getBytes()第二步 然后返回字節(jié)數(shù)組?
05: C3,C4 new String()第一步 JAVA先和操作系統(tǒng)交流,這時(shí)解析錯(cuò)誤?
06: U5,U6 new String()第二步 然后返回字符?
07: C3,C4 println(String) 由于中字給分成了兩半,在ISO8859_1中剛好也沒(méi)有字符?
能映射上,所以顯示為“??”。在上面的示例中,?
“中文”兩個(gè)字就顯示為“????”?
2.5.3)在完全中文模式下的其它情形類似,我就不多說(shuō)了?
2.6)我們接著看為什么在西文DOS窗口下編譯出來(lái)的類在中文窗口下也出現(xiàn)類似情形,特別是為什么居然有的情形下還能正確顯示漢字。?
2.6.1)我們還是先以代碼段9為例:?
步驟 內(nèi)容 地點(diǎn) 說(shuō)明?
01: C1C2 HelloWorld.java C1C2分別泛指一個(gè)ISO8859_1字符,“中”字被拆開(kāi)?
02: U3U4 JAVAC讀取 U1U2泛指一個(gè)Unicode字符?
03: C5C6 getBytes()第一步 JAVA先和操作系統(tǒng)交流,這時(shí)解析錯(cuò)誤?
04: B5B6B7B8 getBytes()第二步 然后返回字節(jié)數(shù)組?
05: C5C6 new String()第一步 JAVA先和操作系統(tǒng)交流?
06: U3U4 new String()第二步 然后返回字符?
07: C5C6 println(String) 雖然同是兩個(gè)字符,但已不是最初的“兩個(gè)ISO8859_1字?
符”,而是“兩個(gè)BGK字符”,“中”顯示成了“??”?
而“中文”就顯示成了“????”?
2.6.2)下面我們以代碼段12為例,因?yàn)樗苷_顯示漢字?
步驟 內(nèi)容 地點(diǎn) 說(shuō)明?
01: C1C2 HelloWorld.java C1C2分別泛指一個(gè)ISO8859_1字符,“中”字被拆開(kāi)?
02: U3U4 JAVAC讀取 U1U2泛指一個(gè)Unicode字符
03: C1C2 getBytes()第一步 JAVA先和操作系統(tǒng)交流(注意還是正確的哦?。?
04: B5B6 getBytes()第二步 然后返回字節(jié)數(shù)組(這是很關(guān)鍵的一步!)?
05: C12 new String()第一步 JAVA先和操作系統(tǒng)交流(這是更關(guān)鍵的一步,JAVA已經(jīng)知道B5B6要解析成一個(gè)漢字?。?
06: U7 new String()第二步 然后返回字符(真是一個(gè)項(xiàng)兩!U7包含了U3U4的信息)?
07: C12 println(String) 這就原來(lái)的“中”字,很委屈被JAVAC冤枉了一回,不過(guò)被程序員撥亂反正了一下!當(dāng)然,“中文”兩個(gè)字都能正確顯示了!?
3)那為什么有的時(shí)候用JDBC的?
new String(Recordset.getBytes(int)[,encode])?
Recordset.getSting(int)?
Recordset.setBytes(String.getBytes([encode]))?
和?
Recordset.setString(String)?
的時(shí)候會(huì)出現(xiàn)亂碼了呢??
其實(shí)問(wèn)題就出現(xiàn)在編寫(xiě)JDBC的的也考慮了編碼問(wèn)題,它從數(shù)據(jù)庫(kù)讀取數(shù)據(jù)后,可能自作主張做了一個(gè)從GB2312(默認(rèn)編碼)到Unicode的轉(zhuǎn)換,我的這個(gè)WebLogic For SQL Server的JDBC Driver就是這樣的,當(dāng)我讀字串的時(shí)候,發(fā)出讀到的不是正確的漢字,可恨的是我卻可以直接寫(xiě)漢字字串,這讓人多少有點(diǎn)難以接受!?
也就是說(shuō),我們不得不在讀或?qū)懙臅r(shí)候進(jìn)行轉(zhuǎn)碼,盡管這個(gè)轉(zhuǎn)碼有的時(shí)候不是那么明顯,這是因?yàn)槲覀兪褂昧四J(rèn)的編碼進(jìn)行轉(zhuǎn)碼。JDBC Driver所做的操作,我們只有進(jìn)入到源代碼內(nèi)部才能清楚,大家認(rèn)為呢?