ISO 8859-1 是拉丁字符集,也是默认的字符集
如果你要转换成别的字符集的话,首先你先转换成byte格式,然后再转换过去,我习惯转换成UTF-8的

解决方案 »

  1.   

    汉字问题深入谈 
      
    一、主题:关于JAVA的中文问题 
        JAVA的中文问题比较突出,主要表现在控制面板输出,JSP页面输出和数据库访问上。 
    本文尽量避开字体问题,而只谈编码。通过本文,你可以了解JAVA中文问题的由来,问题 
    的解决方法,其中提了一下用JDBC访问数据库的方法。 
      
    二、问题描述: 
    1)在中文W2000中文窗口编译和运行,用的是国际版的JDK,连接的是中文W2000下的Cp936 
    编码的SQL SERVER数据库: 
      
    J:\exercise\demo\encode\HelloWorld>make 
       Created by XCompiler. PhiloSoft All Rights Reserved. 
       Wed May 30 02:54:45 CST 2001 
      
    J:\exercise\demo\encode\HelloWorld>run 
       Created by XRunner. PhiloSoft All Rights Reserved. 
       Wed May 30 02:51:33 CST 2001 
    中文 
    [B@7bc8b569 
    [B@7b08b569 
    [B@7860b569 
    中文 
    中文 
    ???? 
    中文 
    中文 
    ???? 
    ?? 
    ?? 
    ?? 
      
    2)如果在中文W2000的西文窗口(编码为437)下编译,用JAVA运行则由于无字体而无法正 
    常显示,如果象上面一样在中文W2000的中文窗口运行,输出为: 
      
    J:\exercise\demo\encode\HelloWorld>run 
       Created by XRunner. PhiloSoft All Rights Reserved. 
       Wed May 30 02:51:33 CST 2001 
    ???? 
    [B@7bc0b66a 
    [B@7b04b66a 
    [B@7818b66a 
    ???? 
    ???? 
    ???? 
    ???? 
    ???? 
    ???? 
    中文 
    中文 
    ???? 
      
    三)分析 
      
    1)出现有乱码(也就是?)。由于只出现?而没出现小方框,说明只是编码有问题,而不 
    是字体问题。 在编码中,如果从一种字符集转换到别一种字符集,比较典型的是从GB2312 
    转换到ISO8859_1(即ASCII),那么很多汉字(半个汉字)是无法映射到西文字符中去的 
    ,在这种情形下,系统就把这些字符用?代替。同样,也存在小字符集无法到大字符集的 
    情况,具体原因这里就不详谈了。 
      
    2)出现了中文环境编译,中文环境运行时汉字显示有正确也有不正确的地方,同样,在西 
    文环境下编译,在中文环境下运行时也出现类似情况。这是由于自动(默认)或手工(也 
    就new String(bytes[,encode])和bytes getBytes([encode]))转码的结果。 
      
    2.1)在JAVA源文件-->JAVAC-->Class-->Java-->getBytes()-->new String()-->显示的过 
    程中,每一步都有编码的转换过程,这个过程总是存在的,只是有的时候用默认的参数进 
    行。下面我们一步一步分析为什么出现上面的情形。 
      
    2.2)这里是源代码: 
      
    HelloWorld.java: 
    ------------------------ 
    public class HelloWorld 

    public static void main(String[] argv){ 
        try{ 
    System.out.println("中文");//1 
    System.out.println("中文".getBytes());//2 
    System.out.println("中文".getBytes("GB2312"));//3 
    System.out.println("中文".getBytes("ISO8859_1"));//4 
      
    System.out.println(new String("中文".getBytes()));//5 
    System.out.println(new String("中文".getBytes(),"GB2312"));//6 
    System.out.println(new String("中文".getBytes(),"ISO8859_1"));//7 
      
    System.out.println(new String("中文".getBytes("GB2312")));//8 
    System.out.println(new String("中文".getBytes("GB2312"),"GB2312"));//9 
    System.out.println(new 
      
    String("中文".getBytes("GB2312"),"ISO8859_1"));//10 
      
    System.out.println(new String("中文".getBytes("ISO8859_1")));//11 
    System.out.println(new 
      
    String("中文".getBytes("ISO8859_1"),"GB2312"));//12 
    System.out.println(new 
      
    String("中文".getBytes("ISO8859_1"),"ISO8859_1"));//13 

    catch(Exception e){ 
    e.printStackTrace(); 

      } 

      
    为了方便起见,在每个转换的后面加了操作序号,分别为1,2,...,13。 
      
    2.3)需要说明的是,JAVAC是以系统默认编码读入源文件,然后按UNICODE进行编码的。在 
    JAVA运行的时候,JAVA也是采用UNICODE编码的,并且默认输入和输出的都是操作系统的默 
    认编码,也就是说在new String(bytes[,encode])中,系统认为输入的是编码为encode的 
    字节流,换句话说,如果按encode来翻译bytes才能得到正确的结果,这个结果最后要在JA 
    VA中保存,它还是要从这个encode转换成Unicode,也就是说有bytes-->encode字符-->Uni 
    code字符的转换;而在String.getBytes([encode])中,系统要做一个Unicode字符-->enco 
    de字符-->bytes的转换。 
      
    在这个例子中,除那个英文窗口编码的时候除外,其实情形下默认编码都是GBK(在本例中 
    ,我们暂且把GBK和GB2312等同看待)。 
      
    2.4)由于在未指明在上面的两个用代码实现的转换中,如果未指定encode,系统将采用默 
    认的编码(这里为GBK),我们认为上面的5,6,7和8,9,10是一样的,8和9、11和12也是一 
    样的,所以我们在讨论中将只讨论1,9,10,12,13。其中的2,3,4只是用于测试,不在我们的 
    讨论范围之内。 
      
    2.5)下面我们来跟踪程序中的“中”字的转换历程,我们先说在中文窗口下作的编译和运 
    行过程,注意在下面的字母下标中,我有意识地使用了一些数字,以表示相同,相异还是 
    相关2.5.1)我们先以上面的13个代码段中的的代码9为例: 
      
    步骤 内容 地点 说明 
    01: C1 HelloWorld.java C1泛指一个GBK字符 
    02: U1 JAVAC读取 U1泛指一个Unicode字符 
    03: C1 getBytes()第一步 JAVA先和操作系统交流 
    04: B1,B2 getBytes()第二步 然后返回字节数组 
    05: C1 new String()第一步 JAVA先和操作系统交流 
    06: U1 new String()第二步 然后返回字符 
    07: C1 println(String) 能显示“中”字,内容和原来的相同 
      
    2.5.2)然后再以代码段10为例,我们注意到只是: 
      
    步骤 内容 地点 说明 
    01: C1 HelloWorld.java C1泛指一个GBK字符 
    02: U1 JAVAC读取 U1泛指一个Unicode字符 
    03: C1 getBytes()第一步 JAVA先和操作系统交流 
    04: B1,B2 getBytes()第二步 然后返回字节数组 
    05: C3,C4 new String()第一步 JAVA先和操作系统交流,这时解析错误 
    06: U5,U6 new String()第二步 然后返回字符 
    07: C3,C4 println(String) 由于中字给分成了两半,在ISO8859_1中刚好也没有字符 
      
    能映射上,所以显示为“??”。在上面的示例中, 
    “中文”两个字就显示为“????” 
    2.5.3)在完全中文模式下的其它情形类似,我就不多说了 
      
    2.6)我们接着看为什么在西文DOS窗口下编译出来的类在中文窗口下也出现类似情形,特 
    别是为什么居然有的情形下还能正确显示汉字。 
      
    2.6.1)我们还是先以代码段9为例: 
      
    步骤 内容 地点 说明 
    01: C1C2 HelloWorld.java C1C2分别泛指一个ISO8859_1字符,“中”字被拆开 
    02: U3U4 JAVAC读取 U1U2泛指一个Unicode字符 
    03: C5C6 getBytes()第一步 JAVA先和操作系统交流,这时解析错误 
    04: B5B6B7B8 getBytes()第二步 然后返回字节数组 
    05: C5C6 new String()第一步 JAVA先和操作系统交流 
    06: U3U4 new String()第二步 然后返回字符 
    07: C5C6 println(String) 虽然同是两个字符,但已不是最初的“两个ISO8859_1字 
      
    符”,而是“两个BGK字符”,“中”显示成了“??” 
    而“中文”就显示成了“????” 
      
    2.6.2)下面我们以代码段12为例,因为它能正确显示汉字 
      
    步骤 内容 地点 说明 
      
    01: C1C2 HelloWorld.java C1C2分别泛指一个ISO8859_1字符,“中”字被拆开 
    02: U3U4 JAVAC读取 U1U2泛指一个Unicode字符 
    03: C1C2 getBytes()第一步 JAVA先和操作系统交流(注意还是正确的哦!) 
    04: B5B6 getBytes()第二步 然后返回字节数组(这是很关键的一步!) 
    05: C12 new String()第一步 JAVA先和操作系统交流(这是更关键的一步,JAVA已经知 
    道B5B6要解析成一个汉字!) 
    06: U7 new String()第二步 然后返回字符(真是一个项两!U7包含了U3U4的信息) 
    07: C12 println(String) 这就原来的“中”字,很委屈被JAVAC冤枉了一回,不过被程 
    序员拨乱反正了一下!当然,“中文”两个字都能正确显示了! 
      
    3)那为什么有的时候用JDBC的 
    new String(Recordset.getBytes(int)[,encode]) 
    Recordset.getSting(int) 
    Recordset.setBytes(String.getBytes([encode])) 
    和 
    Recordset.setString(String) 
    的时候会出现乱码了呢? 
      
    其实问题就出现在编写JDBC的的也考虑了编码问题,它从数据库读取数据后,可能自作主 
    张做了一个从GB2312(默认编码)到Unicode的转换,我的这个WebLogic For SQL Server 的JDBC Driver就是这样的,当我读字串的时候,发出读到的不是正确的汉字,可恨的是我 
    却可以直接写汉字字串,这让人多少有点难以接受! 
    也就是说,我们不得不在读或写的时候进行转码,尽管这个转码有的时候不是那么明显, 
    这是因为我们使用了默认的编码进行转码。JDBC Driver所做的操作,我们只有进入到源代 
    码内部才能清楚,不是吗?
      

  2.   


    “ Java 源代码-> Java 字节码”, 标准的 Java 编译器 javac 使用的字 
    符集是系统默认的字符集,比如在中文 Windows 操作系统上就是 GBK , 而 
    在 Linux 操作系统上就是ISO-8859-1,所以大家会发现在 Linux 操作系统 
    上编译的类中源文件中的中文字符都出了问题,解决的办法就是在编译的时 
    候添加 encoding 参数,这样才能够与平台无关。