Java 開發中遇到的亂碼問題

unicode的空間分配：

以下unicode區位碼均以16進製表示

unicode的前256個字元和iso-8859-1(西歐字母)完全相同，其中前半段就是ascii(u+0000到u+00ff)。每個iso-8859-1碼前面補上乙個空byte(0x00)後才是相應的unicode碼。

和我們切身相關的unihan主要分布在u+3400到u+f9fff之間，gb2312和big5主要分布在u+4e00到u+9fff之間。

utf-8的編碼原理和特性：

知道了西歐字元和漢字在unicode中的位置後，來看看utf-8

u+0000~u+007e 1 _ _ _ _ _ _ _ (7bits)

u+0080~u+07ff 1 1 0_ _ _ _ _ 1 0_ _ _ _ _ _ (11bits)

u+0800~u+ffff 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ (16bits)

看一看unicode三種格式提出自由的bits（下劃線空位）是否足以用來代表區位中各unicode碼，剛好夠用。

那麼當程式處理utf-8編碼檔案時，如何得知乙個字元的疆界落在**？還有到底他是以三種形式那一中出現呢？

每個以utf-8編碼的字元，不管是以

一、二、三個bytes出現，第乙個byte前端都清楚地標示了該字元的byte總數。如110種有兩個1，代表這種字元是以第二種方式出現，由兩個bytes組成。而1110有三個1，表示這種字元一點種方式出現，由三個位元組組成。

每個多重byte的utf-8編碼有乙個共同的通性，即其中的第二個第三個byte, 一律以10兩個bits開頭。由於其中的最高位總設成1，可以很容易和那些在utf-8中只用乙個byte的ascii字元區分開來，方便除錯。

因為上述設計特點，utf-8和unicode之間，可以很容易做雙向自由轉換，而不會丟失任何資料。

解決辦法：亂碼問題在 nt作業系統我沒怎麼碰到過，但是在unix 或linux系統上出現的比較多

由於作業系統和使用環境不一樣，產生亂碼的方式也不一樣，但是如果掌握了上面的unicode 編碼原理，自己仔細分析一下，很多問題便可迎刃而解。

下面看看幾個常見的例子。

1．如果一些**伺服器例如tomcat 如果遇到中文亂碼問題，可以修改conf目錄下的server.xml

enablelookups="false" redirectport="8443" acceptcount="100" debug="0"connectiontimeout="20000" disableuploadtimeout="true" uriencoding="gbk"/>

uriencoding 設成gbk或gb2312

2．表單中或傳遞字串：本來輸入的漢字是正常的，但是提交後再顯示出來是亂碼，因為提交的一般是 iso8859編碼，所以顯示的時候要轉成gb2312編碼：

string s=new string(rs.getstring("news").getbytes("gb2312"),"iso8859_1");

//rs為待轉換的字串

然後使用s字串的值就可以了

3．有的伺服器端的語言環境如果設成簡體中文的也可以解決此類問題

4．插入資料庫中的字元是亂碼

看看資料庫中支援的是何種編碼方式，用類似2中的方式作一下轉換即可。

5．總之，用jsp開發，碰到亂碼，你得分析是讀的時候發生亂碼，還是寫的時候發生亂碼，用2中的轉換，基本就能解決問題，有些時候寫的時候做一次轉換，例如：

string s=new string(rs.getstring("news").getbytes("gb2312"),"iso8859_1");

//讀的時候在轉換回來

string s=new string(rs.getstring("news").getbytes("iso8859_1"),"gb2312");

或者把iso8859-1和gb2312 的位置換一下，自己多試試，就能找到解決問題的辦法。