中文字符集

最近一直被这个字符集问题，弄的头疼。想不到一个很好的办法去解决。问题是这样的：“在超链接中传递参数的时候总是出现乱码”在Action中用debug查的时候就是乱码，在Tomcat 中把Service.xml将字符集改成UTF-8,GBK,GB2312都试过了，仍然没有解决这个问题。很是郁闷！~~~

在现实工作中我们会经常遇到字符转换的问题:有的时候还会出现乱码.因为工作需要我从别人的静态网页上抓取数据.用到的方法是传一个uri进去,然后取出你所想得到的字符串.代码如下:

public static String getData(String url1) throws Exception {

String result = "";

URL url = new URL(url1);

HttpURLConnection connection = (HttpURLConnection) url.openConnection();

connection.setDoOutput(true);

PrintWriter out = new PrintWriter(connection.getOutputStream());

out.close();

BufferedReader in = new BufferedReader(new InputStreamReader(connection.

getInputStream(),"UTF-8"));

//特别注意这里,后面的编码格式,一般都是用UTF-8,因为这是通用的.如果用汉字可以用GBK.不要用gb2312.因为它是GBK的子集.

String line;

while ( (line = in.readLine()) != null) {

result = result + "\n" + line;

}

in.close();

String html =replaceFunc2(replaceFunc2(result,""),"

","");

return html;

}

public static String replaceFunc2(String str_source, String str_start,String str_end)

{

String info = "", rep_str = "", rep_str2 = "";

int startFlag = 0, endFlag = 0;

startFlag = str_source.indexOf(str_start);

endFlag = str_source.indexOf(str_end);

info = str_source;

if (startFlag >= 0 && endFlag >= 0 && startFlag < endFlag) {

rep_str = info.substring(0, startFlag);

rep_str2 = info.substring(endFlag + str_end.length());

info = rep_str + rep_str2;

}

// System.out.print("==========="+info+"==========");

return info;

}

这样我们取的时候就是强制它用UTF-8的格式从网页中读取出来,而不用它自己默认的编码方式(鬼知道它是用的什么编码格式,因为我是从aspx?xxx动态网页中取的,),听说有一种方法可以查出来它是用的什么编码方式,估计没多少人有这耐心去查.只要读取时用某种格式强制读取就可以,然后用相同的编码方式显示出来,一般没有什么问题.

还有一个就是听别人说的,如果还是出现乱码,哪就先把它转化成unicode格式(UTF-16),这种格式我原来没听说过,又学了一种格式,然后再转成UTF-8的格式.

下面是一些方法.从网上转来的:

网页写的中文不需要转换，写上你那行就可以显示中文了。凡从jsp传出带中文值的参数，都需要在接收后转换中文<%@ page contentType="text/html; charset=GB2312"%> 是要在本页显示中文的时候才写。它不能完成转换中文的功能。

中文问题是java世界里面一个比较麻烦的问题，说麻烦是因为涉及面太宽，由数据库方面的，操作系统的，webserver的等等。

一般这个就可以了：

str = new String(str.getBytes("编码1"),"编码2");其中编码1是操作系统的默认编码，编码2是你要转换成的编码。

new String()里面的部分的意思是：把str转按照编码1的方式转换回byte[] 字节流，然后按照编码2的方式再转换成新的str。（str是一个字符串，java里面其实是char[]）。str = new String(str.getBytes(),"编码2");编码1省略也是可以的，会按照操作系统的默认编码来转换。其中编码2一般为gb2312，也就是中文，但是推荐用gbk，因为gb2312其实是gbk的一个子集，字库要小一些。utf-8应该也可以，是较新的一种编码规则。

Java Servlets 2.3规范草案在ServletRequest接口中新增了一个方法setCharacterEncoding(String enc)，可以补上在HTTP请求中缺少的charset信息，而上面这一烦琐的转换过程就在Servlet引擎中自动完成了，而且Servlet引擎还对转换过程做了优化，提高了运行效率。下面给出一个简单的例子，大家可以做一下比较。

// 传统方式

<%@ page contentType="text/html; charset=gb2312" %>

<%= new String(request.getParameter("your_name").getBytes("8859_1"), "GB2312") %>

// 新的方式

<%@ page contentType="text/html; charset=gb2312" %>

<% request.setCharacterEncoding("GB2312"); %>