JSP中文乱码.pdf
需积分: 9 158 浏览量
2008-11-18
10:27:26
上传
评论
收藏 269KB PDF 举报
JSP/Servlet 中的汉字编码问题
网上就 JSP/Servlet 中 DBCS 字符编码问题有许多优秀的文章和讨论，本文对它们作
一些整理，并结合 IBM WebSphere Application Server 3.5（WA S ）的解决方法作一些
说明，希望它不是多余的。
1. 问题的起源
每个国家（或区域）都规定了计算机信息交换用的字符编码集，如美国的扩展 ASCII
码, 中国的 GB2312-80，日本的 JIS 等，作为该国家/区域内信息处理的基础，有着统一编
码的重要作用。字符编码集按长度分为 SBCS（单字节字符集），DBCS（双字节字符集）
两大类。早期的软件（尤其是操作系统），为了解决本地字符信息的计算机处理，出现了各
种本地化版本（L10N），为了区分，引进了 LANG, Codepage 等概念。但是由于各个本地字
符集代码范围重叠，相互间信息交换困难；软件各个本地化版本独立维护成本较高。因此有
必要将本地化工作中的共性抽取出来，作一致处理，将特别的本地化处理内容降低到最少。
这也就是所谓的国际化（I18N）。各种语言信息被进一步规范为 Locale 信息。处理的底层
字符集变成了几乎包含了所有字形的 Unicode。
现在大部分具有国际化特征的软件核心字符处理都是以 Unicode 为基础的，在软件运
行时根据当时的 Locale/Lang/Codepage 设置确定相应的本地字符编码设置，并依此处理本
地字符。在处理过程中需要实现 Unicode 和本地字符集的相互转换，甚或以 Unicode 为中
间的两个不同本地字符集的相互转换。这种方式在网络环境下被进一步延伸，任何网络两端
的字符信息也需要根据字符集的设置转换成可接受的内容。
Java 语言内部是用 Unicode 表示字符的，遵守 Unicode V2.0。Java 程序无论是从/往
文件系统以字符流读/写文件，还是往 URL 连接写 HTML 信息，或从 URL 连接读取参数
值，都会有字符编码的转换。这样做虽然增加了编程的复杂度，容易引起混淆，但却是符合
国际化的思想的。
从理论上来说，这些根据字符集设置而进行的字符转换不应该产生太多问题。而事实是
由于应用程序的实际运行环境不同，Unicode 和各个本地字符集的补充、完善，以及系统或
应用程序实现的不规范，转码时出现的问题时时困扰着程序员和用户。
2. GB2312-80，GBK，GB18030-2000 汉字字符集及 Encoding
其实解决 JAVA 程序中的汉字编码问题的方法往往很简单，但理解其背后的原因，定
位问题，还需要了解现有的汉字编码和编码转换。
GB2312-80 是在国内计算机汉字信息技术发展初始阶段制定的，其中包含了大部分常
用的一、二级汉字，和 9 区的符号。该字符集是几乎所有的中文系统和国际化的软件都支
持的中文字符集，这也是最基本的中文字符集。其编码范围是高位 0xa1－0xfe，低位也是
0xa1-0xfe；汉字从 0xb0a1 开始，结束于 0xf7fe。
GBK 是 GB2312-80 的扩展，是向上兼容的。它包含了 20902 个汉字，其编码范围是
剩余10页未读，继续阅读
lg5987584
- 粉丝: 4
- 资源: 31
评论0