Ｊａｖａ程序中亂碼的由來及解決方法

王洪香

摘要：從編碼出發(fā)，分析了在Java中可能會產(chǎn)生編碼問題的兩個環(huán)節(jié)，并對不同情況給出了有效的解決方法。

關(guān)鍵詞：Java漢字編碼字符集

在Java語言的應(yīng)用中，對字符的支持并非如同Java Soft的標準規(guī)范中所宣稱的那樣完美，尤其是中文字符集，所以在開發(fā)過程涉及到對漢字的處理時經(jīng)常會出現(xiàn)亂碼，給開發(fā)人員帶來諸多不便。

1常見的字符編碼

計算機中存儲、處理和傳送的數(shù)據(jù)是二進制的形式。各種文字、符號也必須用二進制數(shù)編碼來表示，因此出現(xiàn)了一些不同形式的字符編碼。

(1)IS08859-1碼

IS08859-1碼屬于單字節(jié)編碼，最多能表示的字符范圍是0-255，應(yīng)用于英文系列。由于是單字節(jié)編碼，和計算機內(nèi)表示單位一致，所以很多時候，仍舊使用IS08859-1編碼來表示。而且在很多協(xié)議上，默認使用該編碼。

(2)GB2312編碼

GB2312編碼是中華人民共和國國家標準漢字信息交換用編碼，是由國家標準總局發(fā)布的關(guān)于簡化漢字的編碼，通行于中國大陸地區(qū)及新加坡，簡稱國標碼。兩個字節(jié)中，第一個字節(jié)(高字節(jié))的值為區(qū)號值加32(20H)，第二個字符(低字節(jié))的值為位號值32(20H)，用這兩個值來表示一個漢字的編碼。該字符集是一般中文操作系統(tǒng)默認的字符集。

(3)GBK編碼

GBK編碼是GB2312的擴展，是向上兼容的。它的編碼范圍是0x8140至0xfefe，其所有字符都可以一一映射至U-nicode2.0，實際上Java提供了對GBK字符集的支持。

(4)Unicode編碼

Unicode編碼是微軟提出的解決多國字符問題的多字節(jié)等長16位編碼，它對英文字符采取前面加“O”字節(jié)的策略實現(xiàn)等長兼容。如“A”字符的ASCII碼為0x41，Unicode碼為0x00,0x41。所以如果將高位字節(jié)去除，可以近似地將Uni-code轉(zhuǎn)換為IS08859-1，它是Java內(nèi)碼的編碼方式。

2 Java程序運行中出現(xiàn)的“?”和一些亂碼的由來

(1)將字符的Unicode碼轉(zhuǎn)換成本地字符集碼

下面的程序在將Unicode字符集轉(zhuǎn)換成“IS08859-1”字符集時出現(xiàn)了“?”號。

程序1：

從上面程序中可以看出。由于Java中的字符采用是的Unicode編碼，每個字符都占用兩個字節(jié)，直接把每個字符中的內(nèi)容對應(yīng)著的整數(shù)打印出來，顯示的結(jié)果就是這字符的Unicode碼。String類中的getBytes方法，是將Unicode碼的字符串中的每個字符數(shù)字，轉(zhuǎn)換成該字符在指定的字符集下的數(shù)字，最后將這些數(shù)字存放到一個字節(jié)數(shù)組中返回。將一個字符的Unicode碼轉(zhuǎn)換成某種本地字符集碼的過程叫編碼。程序中的byte[]buf=strChina.getBytes(“is08859-1”)語句就是將Unicode碼轉(zhuǎn)換成了“IS08859-1”了。由于目標代碼集中不存在對應(yīng)代碼，則得到的結(jié)果都是“3t”Hex值中的“3t”在Java中的用System.out.println(“u0031”)語句輸出的結(jié)果就是“?”，這就是我們在Java程序中經(jīng)?？吹降摹?”號的由來。

(2)將本地字符集碼轉(zhuǎn)換成Unicode碼

在下面的程序中完成的是將鍵盤字節(jié)輸入流中的每個字節(jié)讀到一個字節(jié)數(shù)組中，然后將字節(jié)數(shù)組中的數(shù)據(jù)當作某種本地字符集碼轉(zhuǎn)換成Unicode碼的字符串，此過程為解碼。

程序2：

從程序中看出，存有“遼工大”三個字符的GB2312碼的字節(jié)數(shù)組，使用IS08859-1解碼后的Unicode字符串的字符并不是原來的三個字符的Unicode碼，而是被解碼成了六個字符，每個字符的低字節(jié)的內(nèi)容都是原來字節(jié)數(shù)組中的數(shù)據(jù)，而高字節(jié)都是0。程序中打印的b4所對應(yīng)的字符在內(nèi)容中實際上是兩個字節(jié)00b4。因此在解碼時出現(xiàn)了一些除“?”以外的亂碼。

3解決的方法

對于程序1，由于當前系統(tǒng)默認的編碼方式是GB2312碼，將程序中的語句：

4結(jié)束語

對于前面提到的字符編碼的轉(zhuǎn)換不僅存在于Java應(yīng)用中，也存在于JSP和Servlet的應(yīng)用中，有時還會出現(xiàn)這兩個過程的疊加。甚至是兩個過程的反復(fù)疊加，因此Java應(yīng)用中會產(chǎn)生一些與平臺相關(guān)的問題，在程序的開發(fā)過程一定要引起注意。