1.文件頁面編碼導致的亂碼。

每一個文件（java，js,jsp，html等）都有其本身的編碼格式，文件中的代碼在一種編碼中顯示正常，在另外一種編碼下就會顯示出亂碼。

在Eclipse中，每一個工程都會有編碼格式（Text file encoding）， 一般默認為GBK。而一個比較好的編程習慣是新建一個項目，優(yōu)先把項目的編碼設為UTF-8。

這樣做的原因很簡單，UTF-8包含全世界所有國家需要用到的字符，是國際編碼，通用性強。幾種常見的字符集，GBK，GB2312，UTF-8之間的關系如下：

GBK是國家標準GB2312基礎上擴容后兼容GB2312的標準。GBK、GB2312等與UTF8之間都必須通過Unicode編碼才能相互轉換

2.不同字符集的字符串轉換時導致的亂碼。

每一個String，底層實現都是用一個byte數組存儲，使用不同的字符集，存儲的數組長度當然就不同。如果不使用同一種字符集進行解碼，就一定會出現亂碼。

例如如下代碼：

Java代碼  

import java.io.UnsupportedEncodingException; 
import java.nio.charset.Charset; 
public class TestCharset { 
  public static void main(String[] args) throws UnsupportedEncodingException {  
    String strChineseString = "中文"; 
    String encoding = System.getProperty("file.encoding"); 
    System.out.println("系統(tǒng)默認的字符集是:" + encoding); 
    System.out.println(strChineseString.getBytes(Charset.forName("GBK")).length); 
    System.out.println(strChineseString.getBytes(Charset.forName("UTF-8")).length); 
    System.out.println(strChineseString.getBytes().length); 
  } 
} 

輸出結果為：

Java代碼  

1.系統(tǒng)默認的字符集是:UTF-8  

2.4  
3.6  
4.6   

可以看出，使用GBK和UTF-8編碼，得到的byte數組長度不一樣，原因就是utf-8使用3個字節(jié)來編碼中文，而GBK使用2個字節(jié)來編碼中文。因為我的項目默認使用UTF-8，所以使用不加參數的getBytes()得到的數組長度和使用UTF-8編碼的 字符串長度一樣。關于字符集的詳細知識可以參考第一部分中給出的文章地址。

 JDK中關于getBytes方法的描述：

 getBytes() 使用平臺的默認字符集將此 String 編碼為 byte 序列，并將結果存儲到一個新的 byte 數組中。

 getBytes(Charset charset) 使用給定的 charset 將此 String 編碼到 byte 序列，并將結果存儲到新的 byte 數組。

每一個字符串底層都有自己的編碼方式。不過一旦調用getByte方法后，得到的byte數組就是使用某種特定字符集編碼后的數組，不需要再做多余的轉換。

當得到上面的byte數組后，就可以調用String的另外一個方法來生成需要轉碼的String了。

測試例子如下：

Java代碼  

import java.io.UnsupportedEncodingException; 
import java.nio.charset.Charset; 
public class TestCharset { 
  public static void main(String[] args) throws UnsupportedEncodingException { 
    String strChineseString = "中文"; 
    byte[] byteGBK = null; 
    byte[] byteUTF8 = null; 
    byteGBK = strChineseString.getBytes(Charset.forName("GBK")); 
    byteUTF8 = strChineseString.getBytes(Charset.forName("utf-8")); 
    System.out.println(new String(byteGBK,"GBK")); 
    System.out.println(new String(byteGBK,"utf-8")); 
    System.out.println("**************************"); 
    System.out.println(new String(byteUTF8,"utf-8")); 
    System.out.println(new String(byteUTF8,"GBK")); 
  } 
} 

輸出結果為：

Java代碼  

1.中文  
2.����  
3.**************************  
4.中文  
5.涓枃  

可以看出，使用哪種字符集編碼一個String，在生成一個String的時候就必須使用相應的編碼，否則就會出現亂碼。
簡單來講，只有滿足如下公式的String轉碼，才不會亂碼。

Java代碼  

String strSource = "你想要轉碼的字符串"; 
String strSomeEncoding = "utf-8";  //例如utf-8 
String strTarget = new String (strSource.getBytes(Charset.forName(strSomeEncoding)), strSomeEncoding);  

JDK中關于getBytes方法的描述：

String(byte[] bytes)  通過使用平臺的默認字符集解碼指定的 byte 數組，構造一個新的 String。 

String(byte[] bytes, Charset charset)  通過使用指定的 charset 解碼指定的 byte 數組，構造一個新的 String。 

3.Socket網絡傳輸時導致的中文亂碼。

使用Socket進行通訊的時候，傳輸有多種選擇，可以使用PrintStream,也可以使用PrintWriter。傳輸英文還好，傳輸中文就可能出現亂碼問題。網上的說法很多，經過實際測試，發(fā)現問題還在字節(jié)和字符的問題上面。

眾所周知，Java中分為字節(jié)流和字符流，字符（char）是16bit的，字節(jié)（BYTE）是8bit的。PrintStrean是寫入一串8bit的數據的。 PrintWriter是寫入一串16bit的數據的。 

String缺省是用UNICODE編碼，是16bit的。因此用PrintWriter寫入的字符串，跨平臺性好一些，PrintStream的可能會出現字符集亂碼。

可以這樣理解上面的話，PrintStream是用來操作byte, PrintWriter是用來操作Unicode, PrintStream一次讀8bit的話，如果遇到漢字（一個漢字占16bit），就可能會出現亂碼。一般需要處理中文時用PrintWriter好了。

最后網站測試，使用PrintWriter沒有出現亂碼。代碼如下：

Java代碼  

import java.io.BufferedReader; 
import java.io.DataOutputStream; 
import java.io.IOException; 
import java.io.OutputStreamWriter; 
import java.io.PrintWriter; 
import java.net.Socket; 
public class TestSocket { 
  public static void main(String[] args) throws IOException { 
    Socket socket = new Socket(); 
    DataOutputStream dos = null; 
    PrintWriter pw = null;    
    BufferedReader in = null; 
    String responseXml = "要傳輸的中文"; 
    //.......... 
    dos = new DataOutputStream(socket.getOutputStream()); 
    pw = new PrintWriter(new OutputStreamWriter(dos)); //不帶自動刷新的Writer      
    pw.println(responseXml); 
    pw.flush(); 
  } 
} 

需要注意的方面是，需要使用PrintWriter的println而不是write方法，否則服務器端會讀不到數據的。原因就是println會在輸出的時候在字符串后面加一個換行符，而write不會。 

4.JSP中顯示中文的亂碼。

有的時候JSP頁面在顯示中文的時候會有亂碼，大多數情況就是字符集配置和頁面編碼的問題。只要保證如下的幾個配置沒有問題，一般就不會有亂碼出現。

a.JSP頁面頂端添加如下語句：

Java代碼  

<%@ page contentType="text/html; charset=utf-8" language="java" errorPage="" %>  

b.在HTML的head標簽中添加如下語句。

Java代碼  

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />  

c.保證JSP的頁面編碼與上面兩個的charset相同，這點我有在文章的第一點說過。

上面的字符集可以根據需要自己靈活選擇，不一定非要utf-8。不過因為utf-8對各國語言，特別是中文支持較好，所以推薦使用。我就曾經遇到過滘在GB2312編碼的頁面無法正常顯示的問題。

5.Post和Get傳遞中文，后臺獲取亂碼。

前臺傳遞中文也分為Get和Post方法。

a.Get方法的情況：

Get方法的時候主要是URL傳遞中文。

如果是在js文件中，可以使用如下代碼進行中文轉碼。

Js代碼  

var url ="http://www.baidu.com/s?industry=編碼" 
url = encodeURI(url);  

如果是在jsp文件中，則可以使用如下語句進行轉碼。
頁面開始引入：

Java代碼  

<%@ page import="java.net.URLEncoder" %>

      需要轉碼的地方使用URLEncoder進行編碼：

Js代碼  

<a href="xxxxx.xx?industry=<%=URLEncoder.encode(" rel="external nofollow" http://www.baidu.com/s?wd=編碼", "UTF-8")%>">  

無論使用哪種方法，在后臺獲取中文的時候都要使用如下代碼：

Java代碼  

request.setCharacterEncoding("utf-8"); 
String industry = new String( 
request.getParameter("industry ").getBytes("ISO8859-1"),"UTF-8");  

【注】

1.對于request，是指提交內容的編碼，指定后可以通過getParameter()則直接獲得正確的字符串，如果不指定，則默認使用iso8859-1編碼，為了統(tǒng)一，需要提交指定傳輸編碼。

2.上面代碼的第二句好像和第2條中給出的公式矛盾。我也糾結了好久，最后發(fā)現ISO8859-1是一種比較老的編碼，通常叫做Latin-1，屬于單字節(jié)編碼，正好和計算機最基礎的表示單位一致，因此使用它進行轉碼一般也沒有問題。

iso-8859-1是JAVA網絡傳輸使用的標準字符集,而gb2312是標準中文字符集,當你作出提交表單等需要網絡傳輸的操作的時候,就需要把 iso-8859-1轉換為gb2312字符集顯示,否則如果按瀏覽器的gb2312格式來解釋iso-8859-1字符集的話,由于2者不兼容,所以會是亂碼。為了省事，建議統(tǒng)一使用utf-8字符集。
b.POST方法的情況。 

對于Post的情況就比較簡單了，只需要在post的函數調用部分，制定post的header的字符集，如：

Js代碼  

xmlHttp.open("post", url , true); 
xmlHttp.setRequestHeader("Content-Type","text/xml; charset= utf-8");  
xmlHttp.send(param);  

其中param為要傳遞的參數。

后臺部分和get方法一樣，設置如下即可，注意傳輸和接受的字符集要統(tǒng)一。

 6.后臺向前臺傳遞中文亂碼。

在這里提供一個函數，通過這個函數來發(fā)送信息，就不會出現亂碼，核心思想也是設置response流的字符集。函數代碼如下：

Java代碼  

/** 
 * @Function:writeResponse 
 * @Description:ajax方式返回字符串 
 * @param str:json 
 * @return:true:輸出成功，false:輸出失敗 
 */ 
public boolean writeResponse(String str){ 
  boolean ret = true; 
  try{ 
    HttpServletResponse response = ServletActionContext.getResponse(); 
    response.setContentType("text/html;charset=utf-8"); 
    PrintWriter pw = response.getWriter(); 
    pw.print(str); 
    pw.close(); 
  }catch (Exception e) { 
    ret = false; 
    e.printStackTrace(); 
  } 
  return ret; 
}   

7.下載文件時文件名亂碼。

下過下載的人都知道下載的文件容易出現亂碼，原因也是沒有對輸出流的編碼格式進行限定。

附上一段代碼，用來幫你完成無亂碼下載。

Java代碼  

HttpServletResponse response = ServletActionContext.getResponse(); 
response.setContentType("text/html;charset=utf-8"); 
response.reset(); 
String header = "attachment; filename=" + picName; 
   header = new String(header.getBytes(), "UTF-8"); 
   response.setHeader("Content-disposition", header); 

核心代碼就上幾句，注意第二句和第三句的reset的順序不能搞錯。

reset的作用是用來清空buffer緩存的，清空請求前部的一些空白行。 

以上只是做了比較簡單的總結，具體亂碼有的時候可能是多個情況的組合，具體問題具體分析。如果錯誤歡迎指正。

最新評論