- 浏览: 24378 次
- 性别:
- 来自: 上海
最新评论
1.编码区别:
iso8859-1: 通常叫做Latin-1,属于单字节编码,最多能表示的字符范围是0-255,应用于英文系列。比如,字母a的编码为0x61=97。
UTF-8:utf编码兼容iso8859-1编码,不是固定字长编码的,而是一种变长的编码方式,每一个字符的长度从1-6个字节不等:
数字和字符一般占1个字节,
utf8字符集中一个中文字符占几个字节:
占2个字节的:〇
占3个字节的:基本等同于GBK,含21000多个汉字
占4个字节的:中日韩超大字符集里面的汉字,有5万多个
Unicode:这是最统一的编码,可以用来表示所有语言的字符,而且是定长双字节(也有四字节的)编码,包括英文字母在内。所以可以说它是不兼容iso8859-1编码的,也不兼容任何编码。不过,相对于iso8859-1编码来说,uniocode编码只是在前面增加了一个0字节,比如字母a为"00 61"。
Unicode只是一个编码规范,目前实际实现的unicode编码只要有三种:UTF-8,UCS-2和UTF-16,三种unicode字符集之间可以按照规范进行转换。
最初的unicode编码是固定长度的,16位,也就是2两个字节代表一个字符,这样一共可以表示65536个字符。显然,这样要表示各种语言中所有的字符是远远不够的。Unicode4.0规范考虑到了这种情况,定义了一组附加字符编码,附加字符编码采用2个16位来表示,这样最多可以定义1048576个附加字符,目前unicode4.0只定义了45960个附加字符。
需要说明的是,定长编码便于计算机处理(注意GB2312/GBK不是定长编码),而unicode又可以用来表示所有字符,所以在很多软件内部是使用unicode编码来处理的,比如java。
GBK/GB2312: GBK兼容gb2312编码;二者兼容iso8859-1编码;编码表示汉字,是双字节编码,而英文字母数字和iso8859-1一致占单字节;
其中gbk编码能够用来同时表示繁体字和简体字,而gb2312只能表示简体字,gbk是兼容gb2312编码的。
2java对字符的处理
在java应用软件中,会有多处涉及到字符集编码,有些地方需要进行正确的设置,有些地方需要进行一定程度的处理。
2.1 getBytes(charset)
这是java字符串处理的一个标准函数,其作用是将字符串所表示的字符按照charset编码,并以字节方式表示。注意字符串在java内存中总是按unicode编码存 储的。比如"中文",正常情况下(即没有错误的时候)存储为"4e2d 6587",如果charset为"gbk",则被编码为"d6d0 cec4",然后返回字节"d6 d0 ce c4"。如果charset为"utf8"则最后是"e4 b8 ad e6 96 87"。如果是"iso8859-1",则由于无法编码,最后返回 "3f 3f"(两个问号)。
2.2 new String(charset)
这是java字符串处理的另一个标准函数,和上一个函数的作用相反,将字节数组按照charset编码进行组合识别,最后转换为unicode存储。参考上述getBytes的例子,"gbk" 和"utf8"都可以得出正确的结果"4e2d 6587",但iso8859-1最后变成了"003f 003f"(两个问号)。因为utf8可以用来表示/编码所有字符,所以new String( str.getBytes( "utf8" ), "utf8" ) === str,即完全可逆。
2.3 setCharacterEncoding()
该函数用来设置http请求或者相应的编码。
对于request,是指提交内容的编码,指定后可以通过getParameter()则直接获得正确的字符串,如果不指定,则默认使用iso8859-1编码,需要进一步处理。
参见下述"表单输入"。值得注意的是在执行setCharacterEncoding()之前,不能执行任何getParameter()。java doc上说明:This method must be called prior to reading request parameters or reading input using getReader()。而且,该指定只对POST方法有效,对GET方法无效。分析原因,POST方法在执行第一个getParameter()的时候,java将会按照编码分析所有的提交内容,而后续的getParameter()不再进行分析,所以setCharacterEncoding()无效。而对于GET方法提交表单是,提交的内容在URL中,一开始就已经按照编码分析所有的提交内容,setCharacterEncoding()自然就无效。
注意:iso-8859-1是JAVA网络传输使用的标准字符集,而gb2312是标准中文字符集,当你作出提交表单等需要网络传输的操作的时候,就需要把 iso-8859-1转换为gb2312字符集显示,否则如果按浏览器的gb2312格式来解释iso-8859-1字符集的话,由于2者不兼容,所以会 是乱码.
规律:
utf-8编码可以用gbk和iso8859-1解码后编回去
gbk编码后只能用iso8859-1解码后编回去
在JSP页面获取表单的值时会出现乱码,有两种解决方法:
1.在调用getParameter之前通过request.setCharacterEncoding设置字符编码
2.调用new String(str.getBytes("iso8859-1"), "UTF-8");编码后解码
注意:
虽然说utf是为了使用更少的空间而使用的,但那只是相对于unicode编码来说,如果已经知道是汉字,则使用GB2312/GBK无疑是最节省的。不过另一方面,值得说明的是,虽然utf编码对汉字使用3个字节,但即使对于汉字网页,utf编码也会比unicode编码节省,因为网页中包含了很多的英文字符。
iso8859-1: 通常叫做Latin-1,属于单字节编码,最多能表示的字符范围是0-255,应用于英文系列。比如,字母a的编码为0x61=97。
UTF-8:utf编码兼容iso8859-1编码,不是固定字长编码的,而是一种变长的编码方式,每一个字符的长度从1-6个字节不等:
数字和字符一般占1个字节,
utf8字符集中一个中文字符占几个字节:
占2个字节的:〇
占3个字节的:基本等同于GBK,含21000多个汉字
占4个字节的:中日韩超大字符集里面的汉字,有5万多个
Unicode:这是最统一的编码,可以用来表示所有语言的字符,而且是定长双字节(也有四字节的)编码,包括英文字母在内。所以可以说它是不兼容iso8859-1编码的,也不兼容任何编码。不过,相对于iso8859-1编码来说,uniocode编码只是在前面增加了一个0字节,比如字母a为"00 61"。
Unicode只是一个编码规范,目前实际实现的unicode编码只要有三种:UTF-8,UCS-2和UTF-16,三种unicode字符集之间可以按照规范进行转换。
最初的unicode编码是固定长度的,16位,也就是2两个字节代表一个字符,这样一共可以表示65536个字符。显然,这样要表示各种语言中所有的字符是远远不够的。Unicode4.0规范考虑到了这种情况,定义了一组附加字符编码,附加字符编码采用2个16位来表示,这样最多可以定义1048576个附加字符,目前unicode4.0只定义了45960个附加字符。
需要说明的是,定长编码便于计算机处理(注意GB2312/GBK不是定长编码),而unicode又可以用来表示所有字符,所以在很多软件内部是使用unicode编码来处理的,比如java。
GBK/GB2312: GBK兼容gb2312编码;二者兼容iso8859-1编码;编码表示汉字,是双字节编码,而英文字母数字和iso8859-1一致占单字节;
其中gbk编码能够用来同时表示繁体字和简体字,而gb2312只能表示简体字,gbk是兼容gb2312编码的。
2java对字符的处理
在java应用软件中,会有多处涉及到字符集编码,有些地方需要进行正确的设置,有些地方需要进行一定程度的处理。
2.1 getBytes(charset)
这是java字符串处理的一个标准函数,其作用是将字符串所表示的字符按照charset编码,并以字节方式表示。注意字符串在java内存中总是按unicode编码存 储的。比如"中文",正常情况下(即没有错误的时候)存储为"4e2d 6587",如果charset为"gbk",则被编码为"d6d0 cec4",然后返回字节"d6 d0 ce c4"。如果charset为"utf8"则最后是"e4 b8 ad e6 96 87"。如果是"iso8859-1",则由于无法编码,最后返回 "3f 3f"(两个问号)。
2.2 new String(charset)
这是java字符串处理的另一个标准函数,和上一个函数的作用相反,将字节数组按照charset编码进行组合识别,最后转换为unicode存储。参考上述getBytes的例子,"gbk" 和"utf8"都可以得出正确的结果"4e2d 6587",但iso8859-1最后变成了"003f 003f"(两个问号)。因为utf8可以用来表示/编码所有字符,所以new String( str.getBytes( "utf8" ), "utf8" ) === str,即完全可逆。
2.3 setCharacterEncoding()
该函数用来设置http请求或者相应的编码。
对于request,是指提交内容的编码,指定后可以通过getParameter()则直接获得正确的字符串,如果不指定,则默认使用iso8859-1编码,需要进一步处理。
参见下述"表单输入"。值得注意的是在执行setCharacterEncoding()之前,不能执行任何getParameter()。java doc上说明:This method must be called prior to reading request parameters or reading input using getReader()。而且,该指定只对POST方法有效,对GET方法无效。分析原因,POST方法在执行第一个getParameter()的时候,java将会按照编码分析所有的提交内容,而后续的getParameter()不再进行分析,所以setCharacterEncoding()无效。而对于GET方法提交表单是,提交的内容在URL中,一开始就已经按照编码分析所有的提交内容,setCharacterEncoding()自然就无效。
注意:iso-8859-1是JAVA网络传输使用的标准字符集,而gb2312是标准中文字符集,当你作出提交表单等需要网络传输的操作的时候,就需要把 iso-8859-1转换为gb2312字符集显示,否则如果按浏览器的gb2312格式来解释iso-8859-1字符集的话,由于2者不兼容,所以会 是乱码.
规律:
utf-8编码可以用gbk和iso8859-1解码后编回去
gbk编码后只能用iso8859-1解码后编回去
String code = "中国"; // 编码 byte[] utf = code.getBytes("utf-8"); byte[] gbk = code.getBytes("gbk"); System.out.println("utf-8编码:" + Arrays.toString(utf));//[-28, -72, -83, -27, -101, -67] 6个字节 System.out.println("gbk编码:" + Arrays.toString(gbk));//[-42, -48, -71, -6] 4个字节 // 解码 String code1 = new String(utf, "utf-8"); // 中国 String code2 = new String(utf, "gbk"); // gbk解码:涓浗 gbk用2个字节解码,所以会多一个字符 String code3 = new String(gbk, "utf-8"); // gbk用utf-8解码:?й? utf-8解码需要6个字节 System.out.println("--------------------"); System.out.println("utf-8解码:" + code1); System.out.println("gbk解码:" + code2); System.out.println("gbk用utf-8解码:" + code3); System.out.println("---------------------"); System.out.println("用utf-8编码回去"); code3 = new String(code3.getBytes("utf-8"), "gbk"); // 锟叫癸拷 gbk用utf-8解码后无法编回去 System.out.println(code3);
在JSP页面获取表单的值时会出现乱码,有两种解决方法:
1.在调用getParameter之前通过request.setCharacterEncoding设置字符编码
2.调用new String(str.getBytes("iso8859-1"), "UTF-8");编码后解码
注意:
虽然说utf是为了使用更少的空间而使用的,但那只是相对于unicode编码来说,如果已经知道是汉字,则使用GB2312/GBK无疑是最节省的。不过另一方面,值得说明的是,虽然utf编码对汉字使用3个字节,但即使对于汉字网页,utf编码也会比unicode编码节省,因为网页中包含了很多的英文字符。
发表评论
-
流式数据、批式数据、实时数据、历史数据的区别
2018-05-31 17:00 2018大数据处理系统可分为批式(batch)大数据和流式(s ... -
网络协议
2018-05-29 16:38 441一、基本概念 1、TCP连 ... -
HTTP状态码说明
2018-05-13 11:50 790HTTP状态码(HTTP Status Code)是用以表示 ... -
Spring常用注解汇总
2018-05-13 11:18 610Spring的常用注解,具体如下: 使用注解之前要开启自动 ... -
URL地址中中文乱码详解
2018-05-07 10:43 1307引言: 在Restful类的服务设计中,经常会碰到需要在URL ... -
javaScript字符串编码
2018-05-07 10:39 492javaScript中中有有三个可以对字符串编码的函数,分别是 ... -
jvm内存模型
2018-05-05 21:18 398jvm内存模型: 栈(stake):每个线程都有私有栈内存 主 ... -
Java中关于同步,异步,多线程,多线程同步,并发
2018-04-19 10:26 6231.同步与异步 1.1同步 在多线程的环境中,经常会碰到数 ... -
JVM设置
2018-04-18 10:00 3811、Eclise 中设置jvm内存: 修改eclipse的配置 ... -
java移动文件并编辑文件内容
2018-03-27 18:15 417package com.wonders.utils; i ... -
log4j(转:https://www.cnblogs.com/crazyacking/p/5456347.html)
2018-02-23 09:50 433log4j需要导入的包 添加配置文件 建立类文件+主函数 修改 ... -
部署多个tomcat
2017-07-20 20:56 312下面我们把配置的详细过程写在下面,以供参考:(此例以配置三 ... -
web.xml常用标签(转)
2016-11-07 22:19 443web.xml文件是用来初始化配置信息:比如welcome页面 ... -
网页顶部空几行 jsp(转)
2016-10-10 19:52 337jsp中会经常使用到使用jsp标签和jstl的标签,比如< ... -
Java的图片处理工具类(转)
2016-10-17 19:59 531//可实现以下常用功能:缩放图像、切割图像、图像类型转换、彩色 ... -
mybatis的oracle分页查询demo
2016-10-08 20:59 1014<!-- mybatis oracle分页查询 -- ... -
关于自己遇到hibernate主键策略bug
2016-10-08 20:53 279hibernate主键策略,若为sequence,主键 ... -
解压版Tomcat配置(本例Tomcat6)
2015-10-16 10:22 441一 配置Tomcat 1 下载Tomcat Zip压缩包,解压 ... -
myeclipse搭建struts项目
2015-09-28 16:54 355一、创建web project项目; 二、选 ... -
异常:Project configuration is not up-to-date with pom.xml解决方案
2015-09-24 09:13 778[size=xx-large][/size]导入maven工程 ...
相关推荐
自己总结的小经验,很基础,将一些专业素养的,英文解释也放进去了。可以参考。平时忘了什么就瞅瞅,大佬们可以查阅一下。平时下载可以用来复习或者挑选。
1. 读出汉字的拼音首字母可通过Excel 公式实现; 2. 读出汉字的拼音实现方法,VBA实现 3. 得到2万个常用的汉字...参见csdn博客文章《总结两万常用汉字对应的unicode编码,拼音全拼,首字母缩写(完整Excel对照表)》
PHP的实用编码技巧,10年吐血总结,非常的推荐推荐推荐
VC常用操作源码总结,景点资源介绍,减少盲目编码
主要介绍了JS常用加密编码与算法,结合实例形式总结分析了javascript常见的utf8、base64编码及md5、md4、SHA1等算法实现方法,需要的朋友可以参考下
自己总结的常用单片机资料,有8051 8255 8155 8251A 8253 译码器,编码器,存储器等,以管脚功能,电平有效和驱动介绍。另外还有对应寄存器的介绍,状态,使用方法等。
Myeclipse编码格式配置 常见问题汇总 快捷键和常用问题经验总结 使用技巧 使用说明 操作手册
python中有很多常用的装饰器,遵循开闭 原则对项目进行扩展。一篇搞定python装饰器。 提升python编码水平必须学习的知识点。
做项目时总结的,java程序获取文件编码方式的两种最常用的方式(1.cpdetector第三方jar包,包含源码elipse项目;2.EncodingDetect.java工具类)。
这里总结了一下字符编码的一些普及性的知识,希望对大家有所帮助。 还是得从ASCII码说起 说到字符编码,不得不说ASCII码的简史。计算机一开始发明的时候是用来解决数字计算的问题,后来人们发现,计算机还可以做更...
本文实例总结了PHP检测字符串是否为UTF8编码的常用方法。分享给大家供大家参考。具体实现方法如下: 检测字符串编码可以有很多种方法,如利用ord获得字符的进制然后进入判断,或利用mb_detect_encoding函数来处理,...
代码规范:遵循一定的编码规范,如PEP8(Python)、Google Java Style Guide等,保持代码整洁易读。 异常处理:对可能出现异常的地方进行捕获并给出有意义的错误信息,避免程序崩溃。 RESTful API设计:按照资源...
涵盖了多种常用二维码编码,解码的代码,算是个总结
在分析和比较二进制编码、实数编码、矩阵编码、树型编码和量子比特编码的基础上,总结出这些常用的遗传算法编码方案的原理、优缺点、适用范围和应用趋势等规律,并进一步探讨了遗传算法编码方案未来的研究方向。
文章阐述了地址数据内容规范的需求分析,分析了国外地址数据分类与编码和标准规范方面的 ...内容规范,首先定义地址要素的概念,给出基本地址名称及常用地址通名总结了几种常见的地址数据名 称提出了地址描述规则。
FFmpeg系列,之前有发过一部分,但并未系列总结性将功能展现,目前按序号,将常用的发上来,VC2010环境下
多年开发技术人员总结的C# 常用的编程经验,对野路子出身的程序员修改不良行为习惯有一定的借鉴意义,优美的编码规则,是一种成长的必经之路
主要介绍了PHP常用工具函数,结合实例形式总结分析了php移除XSS攻击、以及php操作UTF8与GBK编码转换等相关操作自定义函数实现方法,需要的朋友可以参考下
因此本文就把这些写法总结一下,比较下各种写法的优劣,希望对大家灵活地选择编码方式可以有一定的参考借鉴价值。 xml文件代码如下: <Button android:id=@+id/button1 android:layout_width=wrap_content ...
对iOS开发中常用的KVC和KVO技术的简单总结